机器学习笔记：条件随机场（CRF）

一、基本定义

条件随机场（CRF）是一种在已知一组输入随机变量的前提下，用于描述另一组输出随机变量条件概率分布的模型，其核心特征在于假定输出随机变量之间形成马尔可夫随机场的结构。

概率无向图模型，亦称作马尔可夫随机场，是一种能够通过无向图来表达的联合概率分布模型。

图由节点以及连接这些节点的边构成，其中无向图特指边不具备方向性的图形结构。

概率图模型则是以图的形式来表示各类概率分布的建模方法。

二、三种马尔可夫性

配对马尔可夫特性、区域马尔可夫特性以及整体马尔可夫特性

概率无向图模型的定义如下：假设存在一个联合概率分布P(Y)，该分布可通过无向图G = ( V , E )进行表示。在图G中，若联合概率分布P(Y)同时满足成对、局部以及全局马尔可夫性，则该联合概率分布可被称为概率无向图模型，亦即马尔可夫随机场。

关于概率无向