Modèle graphique
![](http://upload.wikimedia.org/wikipedia/commons/thumb/3/39/Graph_model.svg/langfr-260px-Graph_model.svg.png)
Type |
---|
modifier - modifier le code - modifier Wikidata
Un modèle graphique est une représentation d'objets probabilistes. C'est un graphe qui représente les dépendances de variables aléatoires.
Ces modèles sont notamment utilisés en apprentissage automatique.
Description
Un modèle graphique est un graphe orienté ou non orienté, c'est-à-dire un ensemble, les « sommets », et des liens entre les sommets, les « arêtes ». Chaque sommet représente une variable aléatoire et chaque arête représente une dépendance de ces variables[1]. Dans l'exemple ci-contre, il y a 4 variables aléatoires A, B, C et D. L'arc de A vers D signifie que D dépend de A.
Deux exemples importants de modèles graphiques sont les réseaux bayésiens, qui donnent des graphes orientés acycliques, et les champs aléatoires de Markov qui sont non orientés[1].
Bibliographie
- Edoardo M. Airoldi, « Getting Started in Probabilistic Graphical Models », PLoS Computational Biology, vol. 3, no 12, , e252 (PMID 18069887, PMCID 2134967, DOI 10.1371/journal.pcbi.0030252, lire en ligne)
Notes et références
Articles connexes
- Propagation des convictions
- Collisionneur (statistiques)
- Modèles à base d’énergie
Liens externes
- Kevin Murphy, « A Brief Introduction to Graphical Models and Bayesian Networks », sur Université de la Colombie-Britannique,
- Francis Bach et Guillaume Obozinski, « Introduction to Graphical Models »,
v · m Apprentissage automatique et exploration de données | |||||||||
---|---|---|---|---|---|---|---|---|---|
Paradigmes d'apprentissage | |||||||||
Problèmes | |||||||||
Apprentissage supervisé |
| ||||||||
Apprentissage non supervisé et auto-supervisé |
| ||||||||
Métaheuristique d'optimisation | |||||||||
Théorie | |||||||||
Logiciels |
|
Portail des probabilités et de la statistique
Portail de l'informatique théorique