在我们关于图模型的推断的讨论中,我们假设图的结构已知且固定。然而,也有一些研究超出了推断问题的范围,关注于从数据推断图结构本身(Friedman and Koller,2003)。这需要我们定义一个可能结构的空间,以及用于对每个结构评分的度量。

从贝叶斯的观点来看,理想情况下,我们需要计算图结构上的后验概率分布,然后关于概率分布求平均,进行预测。如果我们有一个关于第个图的先验概率分布,那么后验概率分布为

其中是一个观测数据集。模型证据提供了每个模型的分数。然而,计算模型证据涉及到对潜在变量的积分或求和,这对于许多模型来说是一个计算量相当大的问题。

探索图结构的空间也是一个问题。由于不同图结构的数量随着结点数量的增加而指数增长,因此通常需要借助启发式方法找到好的候选。

results matching ""

    No results matching ""