什么是“因子图”？它们有什么用？

| 一位朋友正在使用因子图进行文本挖掘（识别文本中对人的引用），这使我对该工具产生了兴趣，但是我很难找到关于因子图是什么以及如何使用的直观解释他们。 谁能提供对因子图的解释，但它在数学上并不繁重，并且着重于实际应用而不是抽象理论？
2020-06-12 4 条评论
分享

没有找到相关结果

    已邀请:

    结乳

    它们被广泛用于将问题分解为多个部分。 XBox Live TrueSkill算法是因子图（及其上传递的消息）的一种非常有趣的应用。我在自己的博客上写了很多有关它的文章，在那儿我试图提供介绍性的解释，而不是过于学术化的解释。
    2020-06-12 0 0
    分享

    坊岔埠绵

    因子图是特定类型的公式中存在的变量和因子（公式的一部分）之间的依存关系的图形表示。 假设您有一个函数
    f(x_1,x_2,...,x_n)
    ，并且要为某个参数
    x_i
    计算该函数的边际化，从而将剩余公式的所有赋值求和。另外
    f
    可以分解为一些因素，例如 
    f(x_1,x_2,...,x_n)=f_1(x_1,x_2)f_2(x_5,x_8,x_9)...f_k(x_1,x_10,x_11)
     然后，为了计算某些变量的
    f
    边际化，可以使用一种称为和积（或消息传递）的特殊算法，它将问题分解为较小的计算量。对于这种算法，非常重要的是，哪些变量作为参数的参数出现。该信息由因子图捕获。 因子图是具有因子节点和变量节点的二部图。如果变量作为因子的参数出现，则在因子和变量节点之间存在一条边。在我们的示例中，在因子
    f_2
    和变量
    x_5
    之间存在一条边，但在
    f_2
    和
    x_1
    之间没有边缘。 有一篇很棒的文章：因子图和求和积算法。
    2020-06-12 0 0
    分享

    嘘崇蔡对

    因子图是数学模型，只能用数学方程式解释。简而言之，这是解释模型中兴趣变量之间的复杂关系的方法。示例：A是温度，B是压力，分量C，D，E在某种程度上取决于B，A，而分量K取决于B，A。您想基于A和B预测值K。因此，您只知道可见状态。基本的ML库不允许对这种结构进行建模。神经网络做得更好。因子图正是解决了这个问题。 因子图是深度学习的一个示例。当不可能用特征和输出来呈现模型时，因子模型允许构建变量的隐藏状态，层和复杂结构以适应现实世界的行为。例如机器翻译对齐，指纹识别，共同引用等。
    2020-06-12 0 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册

    或代码 OrCode.com 备案号：粤ICP备15020848号-1
    Escape time: 0.09712815284729