條件隨機場crf:馬爾可夫隨機場模型[朗讀]

最基本的區別就是建模對象不同,但目的都是求出p(y|x)判別模型discriminative最大熵模型、支持向量機(svm)、提升方法、條件隨機場(crf)對比1、生成模型可。

太多了,最不實用但是分類錯誤率最低的:貝葉斯方法.最簡單的是最近鄰方法,從最近鄰方法又引申出現在極為流行的基於實例(或基於記憶)的方法(memorybased).經典的:隱馬爾可夫模型(hmm),最大熵,條件隨機場(crf,這個比較新)最流行的:winnow,bagging,adaboost等等。

|a,b|p(a,b)||--------------+---------||a=0,b=0|100||a=0,b=1|10||a=1,b=0|20||a=1,b=1|200|這個分布表示,這條邊的功能是使它連接的兩點(a和b)趨同,當a=0的時候b更可能等於0不太可能等於1,當a=1的時候b更可能等於1不太可能等於0.這樣一來你知道了三個變量之間的聯合分布,那他們兩兩之間的條件分布自然而然就在裡面。

條件隨機場(crf)由lafferty等人於2001年提出,結合了最大熵模型和隱馬爾可夫模型的特點,是一種無向圖模型,近年來在分詞、詞性標註和命名實體識別等序列標註。