3.貝葉斯網絡表示（The Bayesian Network Representation）

對於一個n隨機變量的聯合分佈，通常須要2**n-1個參數來表示這個分佈。可是，咱們能夠經過隨機變量之間的獨立性，減小參數的個數。

 

naive Beyes model:

 

Bayesian Networks: 有向無環圖（directed acyclic graph, DAG） 

 

I-MAP:就是一個圖G的獨立性關係構成的集合是一個機率分佈的獨立性關係構成集合的子集。就是說這個圖G在某種程度上能夠等價於這個分佈，可是這個圖G上的邊可能有冗餘。

 

I-MAP to Factorization: 一個知足I-MAP的圖G和P，那麼這個P能夠按照G上的local independence進行依賴分解。

 

Factorization to I-MAP: 若是P能夠按照圖G上的節點進行local independence分解，那麼圖G就是P的一個I-MAP