问概率图形模型属于哪个部落？

EN

概率图形模型(PGMs)如下：

• 连接者:RBM是PGMs和神经网络(来源)。
• 贝叶斯:贝叶斯网络是贝叶斯(维基百科文章)
• 符号:马尔可夫逻辑网络(来源)
• 类比者和进化论者：据Domingos说，他们也在马尔可夫逻辑网络中。

所以答案是，你不能简单地把这样一种一般的技术归类为概率图形模型，在其中一个类别中。

另见：“机器学习的五个部落(以及你可以从中学到的)，”佩德罗多明戈斯说。

只有Domingos知道，因为他发明了这种分类法，但我猜它属于“连接主义者”(他将其与神经网络联系在一起)，因为图都是关于连接(随机变量之间)的。巴伊西亚人将是我的第二选择。CRF不是固有的贝叶斯(您不使用模型参数的先验或后验)，但它们可以是增广为一。

基于本论文 (齐，舒默，明卡)。2005年。(贝叶斯条件随机场)：

本文提出了贝叶斯条件随机场(BCRF)，一种新的条件随机场的贝叶斯训练和推理方法。

我们可以看到，原始的CRF模型可能不是贝叶斯模型，因为本文的贡献是对CRF模型的一种新的贝叶斯方法。

基于这本书的摘录：

机器学习的每一个部落都有自己的主算法，这是一个通用的学习者，原则上你可以用它从任何领域的数据中发现知识。符号主义者的主算法是逆演算，连接论是反向传播，进化论是遗传规划，Bayesians是贝叶斯推理，类推是支持向量机。

CRF似乎可以被放入连接者(因为CRF计算出基于梯度的函数优化)或类比器(因为CRF使用由softmax计算的“软示例”来区分好的输出和坏的输出，与由max计算的(结构化) SVM中的支持向量相比)。例如，本论文显示，不同的CRF和SSVM是成本函数的加法，并从softmax变为max)。