今天Google的机器人AlphaGo获得了围棋对阵李世石的第二场胜利，我也进入到概率图模型学习模块的阶段。Machine Learning 令人着迷也令人畏惧。
——题记
1、基于PGM的学习
ANN网络的拓扑结构往往是类似的。同一套模型以不同的样本进行训练，可以获得不同的结果。PGM可以人为的向网络中添加先验知识，在设计以及分析时有更好的可读性。此外，概率图模型在序列变量的学习上，要优于常规机器学习算法。本质上，基于PGM的学习是在给定Dataset的基础上，对随机变量的分布进行估计。
2、学习可分为以下几种情况：
1、数据完整，网络结构完整
2、数据不完整，网络结构完整
3、数据不完整、网络结构不完整
4、数据完整，网络结构不完整
5、存在隐藏变量，且数据不完整
3、学习可分为以下几种目的：
1、针对新的实例回答概率询问：拿出三个香蕉一个苹果，箱子里水果比例是多少
特点：容易计算
2、针对新的实例进行预测：获得某个像素求label
特点：关心特定的目标。优化模型选择简单。
3、对给定数据挖掘其联系：奶粉与尿布的相关性
4、避免过拟合
使用超参数，将数据集分成：训练集，校正集，测试集，利用校正集来对超参数进行校正。