机器学习系列手记（六）：概率图模型之联合概率分布(p)`

概率图模型

对于一个实际问题而言，在数据中挖掘隐含的知识是一个重要目标。概率图模型通过系统性地构建了一种复杂系统的知识表示框架，在这种框架中：观测节点对应于观测数据；隐含节点代表潜在的知识体系；通过连接这些节点的边来描述知识与数据之间的相互作用机制；最终通过这种关联关系推导出一个完整的概率分布系统

概率图模型的联合概率分布

该领域最具智慧的设计主要体现在能够以直观明了的方式呈现各变量间的关联关系，并借助图形化的表示方法解析其潜在的概率分布情况。值得注意的是，在这个领域中核心价值不仅体现在构建高效的分析框架（即主要功能），也体现在掌握该技术体系的关键能力（即重要标准）。

1、贝叶斯网络的联合概率分布

从图形中可以看出，在给定变量A的情况下，B与C是相互独立的；根据条件概率的基本定义可知

同理，在给定B和C的条件下A和D是条件独立的，