条件独立性的高斯马尔可夫模型综述
统计方法学
2020-09-03 v5 人工智能
机器学习
摘要
马尔可夫模型处于概率分布中的统计独立性与图分离性质之间的交汇点。我们回顾了具有高斯参数化的有向和无向马尔可夫模型中的模型选择与估计，强调了主要的相似点和差异。这两类模型相似但并不等价，尽管它们有一个共同的交集。我们从历史的角度呈现现有结果，考虑到这些模型起源于人工智能和统计学两个研究社区的大量文献。我们涵盖了经典主题，如最大似然估计和通过假设检验进行模型选择，也涉及了正则化和贝叶斯方法等更现代的方法。我们还讨论了所回顾的马尔可夫模型如何融入其他更高层次马尔可夫模型类的丰富层次结构中。最后，我们概述了高斯假设的松弛，并指出了这些马尔可夫模型当今应用的主要领域，以此结束本文。
引用
@article{arxiv.1606.07282,
title = {A review of Gaussian Markov models for conditional independence},
author = {Irene Córdoba and Concha Bielza and Pedro Larrañaga},
journal= {arXiv preprint arXiv:1606.07282},
year = {2020}
}
备注
Fix author signature