| rdfs:comment
| - Model gràfic (o model gràfic probabilístic), en estadística, és un model probabilístic on es representa de forma gràfica les dependències condicionades entre els nodes o variables aleatòries. Els models gràfics s'empren en teoria de probabilitat i també en aprenentatge automàtic. (ca)
- Probabilistische Graphische Modelle (PGM) sind im Allgemeinen Graphen, deren Knoten Zufallsvariablen sind und in denen die Abwesenheit von Kanten zwischen diesen Knoten deren Unabhängigkeit anzeigt. Sie stellen einen Formalismus dar, mit Hilfe dessen man verschiedene andere Probabilistische Modelle, die größtenteils schon vor den PGM erforscht wurden, darstellen kann. Beispielsweise:Bayes’sche Netze, Hidden Markov Modelle und Markov Random Fields. PGM bieten darum die Möglichkeit, diese Modelle miteinander zu verbinden. Das macht sie zu einem guten Werkzeug, um komplexe Systeme, die mit Unsicherheit umgehen können müssen, zu entwerfen. Vor allem der natürliche Zugang, den ihre Graphenstruktur ermöglicht, macht sie zu einem brauchbaren Modellierungswerkzeug. (de)
- A graphical model or probabilistic graphical model (PGM) or structured probabilistic model is a probabilistic model for which a graph expresses the conditional dependence structure between random variables. They are commonly used in probability theory, statistics—particularly Bayesian statistics—and machine learning. (en)
- 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. (fr)
- 확률론, 통계학, 기계 학습에서의 그래프 모형(GM; Graphical Model)은 확률 변수 간의 독립성을 그래프로 표현한다. 이 때, 확률 변수는 마디(node)로 표현되며, 확률 변수 간의 조건적 독립성(conditional independency)은 모서리(edge)로 표현된다. GM의 일반적인 두 형태는 방향성 모서리를 갖는 그래프와 무뱡향성 모서리를 갖는 그래프로 나뉜다. 만약 네트워크의 구조가 방향성 비순환 그래프(DAG; directed acyclic graph)라면, GM은 모든 확률 변수의 의 분해(factorization)를 나타낸다. (ko)
- グラフィカルモデル(英語: Graphical model)は、グラフが、確率変数間の条件付き依存構造を示しているような確率モデルである。これらは一般に確率論や統計、特にベイズ統計や機械学習で使用される。 (ja)
- Um modelo de gráfico ou modelo probabilístico gráfico ou modelo probabilístico estruturado é um modelo probabilístico no qual um grafo representa a estrutura de dependências condicionais probabilísticas entre variáveis aleatórias. Eles são comumente usados em teoria da probabilidade, estatística, particularmente estatística Bayesiana e aprendizado de máquinas. (pt)
- Графовая вероятностная модель — это вероятностная модель, в которой в виде графа представлены зависимости между случайными величинами. Вершины графа соответствуют случайным переменным, а рёбра — непосредственным вероятностным взаимосвязям между случайными величинами.Графические модели широко используются в теории вероятностей, статистике (особенно в Байесовской статистике), а также в машинном обучении. (ru)
- Гра́фова моде́ль, або імові́рнісна гр́афова моде́ль (ІГМ, англ. probabilistic graphical model, PGM) — це ймовірнісна модель, для якої між випадковими змінними виражено графом. Вони поширені в теорії ймовірностей, статистиці, — зокрема, баєсовій, — та в машинному навчанні. (uk)
- 在概率论、統計學及機器學習中，概率图模型（Graphical Model）是用圖論方法以表現數個獨立隨機變數之關聯的一種建模法。一个个節點的图中，节点对应一个隨機變數，记为。概率图模型被广泛地应用于贝叶斯统计与机器学习中。 (zh)
- En teoría de probabilidades y en estadística, un modelo en grafo (MG) representa las dependencias entre variables aleatorias como un grafo en el que cada variable aleatoria es un nodo. En el caso más sencillo, la estructura de la red del modelo es un , y el modelo en grafo representa una factorización de la probabilidad conjunta de todas las variables aleatorias. Más precisamente, si los eventos son X1, ..., Xn, la probabilidad conjunta P(X1, ..., Xn), es igual al producto de las probabilidades condicionales P(Xi | padres de Xi) para i = 1,...,n. (es)
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)