轉貼
圖論一直是數學裡十分重要的學科，其以圖為研究對象，通常用來描述某些事物之間的某種特定關係。而在機器學習的世界裡，我們希望從數據中挖掘出隱含信息或模型。因此，如果我們將圖中的結點作為隨機變量，連接作為相關性關係，那麼我們就能構造出圖模型，並期望解決這一問題。本文將為構造該模型提供最基礎的概念。
我們都知道機器學習裡的決策樹，其可以表示為給定特徵條件下類的條件概率分佈。並且我們知道決策樹由結點和有向邊組成，結點又由表示特徵的內部結點和表示類的葉結點構成。而通常決策樹的學習又包括了特徵的選擇、決策樹的生成和決策樹的剪枝。那麼這種樹型算法又是來自哪呢？其實樹型只是圖的一個小分支，而接下來我們將進一步了解源於離散數學並十分重要的分支：圖論（graph theory）。
如果這是你第一次涉足關於圖論的內容，那麼本篇文章將會給你一個清晰的概念。同時也希望本文能將圖論的思想、基本模型闡述清楚，因此不論是對以後的機器學習模型構建還是概率圖模型的理解都能提供一定的助力。
給自己的筆記，有空再來詳細看內容
原文出處
沒有留言:
張貼留言