條件隨機場主要解決由一組隨機輸入來預測另外一組隨機輸出的問題。首先條件隨機場由圖模型來表示，圖中的節點表示隨機事件，而事件之間的轉移概率表示為邊，所以也可以理解為一個隨機過程用節點和邊的方式表示出來了，而且這些隨機事件之間滿足馬爾可夫性（成對、局部、全局），馬爾可夫性可以簡單理解為事件之間的獨立關係，如果兩個隨機事件之間是沒有關聯的成為成對馬爾可夫性，如果只和直接相連的點之間存在關聯稱為局部馬爾可夫性，如果是多個節點集之間沒有關聯則稱為全局馬爾可夫性。
所以一個直接的結論就是，概率圖模型可以表示成為最大團的概率分佈的乘積（由馬爾可夫性知，這些團之間是獨立的）。而這個乘積的形式就是圖模型下的概率分佈P(Y)。通過圖模型，相當於我們已知了概率分佈，所以通過訓練數據我們就可以用參數估計的方法學習得到這個模型的參數。當然在有輸入的情況下，如果輸出隨機變量滿足局部馬爾可夫性，那麼我們學到的模型就是P(Y|X)。模型包括了兩種隱因素，一種是節點自身的特徵，另一種是邊的特徵。
條件隨機場的應用條件式要預測的輸出可以用概率圖模型來表達，並且滿足馬爾可夫性，這種問題我們就可以用條件隨機場來解決，典型的就是標註問題，區別是條件隨機場中間沒有隱變量。
分享到:
閱讀更多 老郭講算法 的文章
