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