1樓：斤木
刑老師的PGM課後按topic列了不少readings，整理了很多經典模型intro性質的文章，e.g., RBM, CRF, VI, MCMC, 也有一些教材中沒涉及的拓展材料。
推薦感興趣可以挑著看看。
10708 Probabilistic Graphical Models
2樓：
個人感覺結合Probabilistic Graphical Model Principles and Techniques和Machine Learning A Probabilistic Perspective兩本書來看比較容易理解。
前一本書將PGM分為Representation、Inference和Learning三個模組來講，各個模組的經典文獻書中都有提及，不過畢竟是09年出版的，部分內容有些過時了。
後一本書既有頻率派的思想，也有貝葉斯派的內容（不過貌似還是以貝葉斯派為主），對很多經典模型都有針對性的講述，個人感覺相對通俗易懂。非常喜歡該書的作者（Kevin P. Murphy
3樓：陳默
Martin Wainwright和Michael Jordan的史詩級305頁長文
Graphical Models, Exponential Families, and Variational Inference
說實話這篇文章不適合初學者。裡面很多處理和推導迥異於常人。並且個人覺得他的那套marginal polytope的理解不光沒有clarify反倒misleading。
但是無論如何應該是現在最權威的review了。
概率圖模型為什麼沒有損失函式
有的哦，這類無監督學習一般是去最大化觀測資料x的概率p x theta 也就是極大似然估計，theta 是要訓練的模型。之後的處理往往把概率取對數方便後續化簡運算 像是topic model裡避免很多小概率值連乘結果過小就用對數化成求和，然後再取負值當做perplexity了 也就是負對數似然當做損...
如何評價Koller的《概率圖模型 原理與技術》的中文版翻譯？
方形拖油瓶 翻看了因果模型這一小節，functional causal models 1 翻譯的標題和正文不對應，很多地方也是有機翻的味道，希望下一版能有所改善吧。1 Functional causal models represent the effect as a function of the...
現在計算機視覺領域還流行概率模型嗎？
sean zhuh 特徵提取環節現在是CNN的天下，像以前是SIFT統治了計算機視覺，不包括推理和理解環節，事實上深度學習表面上好像與概率模型沒有關係，其實涉及到很多，比如Batch Normalization就對每一層輸入的分布正則化，再比如image captioning的attention機制...