エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Bayesian network
以下では,さきに述べたsum-productアルゴリズムにより なぜ事後確率分布が計算できるのか?という問題... 以下では,さきに述べたsum-productアルゴリズムにより なぜ事後確率分布が計算できるのか?という問題を 考えます. ベイジアンネットワークは, いくつかの確率変数間の依存関係を非巡回有向グラフ で表現したものです.非巡回というのは,矢印に沿ったループが ないという意味です. 良く知られるマルコフ連鎖は次のような ベイジアンネットワークで表現されます. ベイジアンネットワークは,全ての確率変数の 結合分布の因子分解を図式化しているものと みなすこともできます. いま,確率変数Cの観測値c’が得られたものとします. この観測値の観測後の確率変数Aの事後確率分布を計算するには 以下の計算が必要となります.結合分布の必要のない変数を 消去(周辺化)することにより求めたい量が計算できます. すなわち,結合分布の周辺分布の計算が容易にできることが 望ましいことがわかります. ここで行った計算は