Modèle graphique
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[modifier | modifier le code]
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[modifier | modifier le code]
- 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[modifier | modifier le code]
- Christopher M. Bishop, « Graphical models », dans Pattern recognition and machine learning, vol. 4, (lire en ligne), chap. 4.
Articles connexes[modifier | modifier le code]
Liens externes[modifier | modifier le code]
- 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 »,
