확률적 그래프 모델이란 확률 모델을 도식적으로 표현한 것이다. 이를 이용하면 다양한 장점이 존재한다.
- 확률 모델의 구조를 시각화하며, 새로운 모델 설계에 이용
- 조건부 독립 성질과 같은 모델에 대한 통찰을 얻을 수 있음
- 복잡한 계산들을 그래프 조작의 형태로 표현할 수 있다.
그래프 모델은 크게 두 가지로 나뉜다.
- 방향성 그래프 모델(directed graphical model)
- 비방향성 그래프 모델(undirected graphical model)
방향성 그래프 모델은 베이지안 네트워크(Bayesian network)라고도 부르며, 링크들이 방향성을 가지는 그래프 모델이다.
비방향성 그래프 모델은 마르코프 무작위장(Markov random field)이라고도 부르며, 링크가 방향성을 가지지 않는다.
앞으로의 글에서는 방향성/비방향성 그래프 모델의 성질과 특징, 그래프 모델에서의 추론에 대해 알아본다.
'Machine Learning > Graph model' 카테고리의 다른 글
조건부 독립(conditional independence) (0) | 2023.02.05 |
---|---|
선형 가우시안 모델 (0) | 2023.02.05 |
베이지안 네트워크 - 이산 변수 (0) | 2023.02.04 |
베이지안 네트워크 - 다항 근사 예시 (0) | 2023.02.04 |
베이지안 네트워크 (0) | 2023.02.04 |