机器学习笔记 - 什么是条件随机场?

1、条件随机场概述

        条件随机场（Conditional random field）是一种判别模型，用于预测序列。他们使用来自先前标签的上下文信息，从而增加了模型做出良好预测所需的信息量。在这篇文章中，将讨论一些将介绍 CRF 的主题。

        1、什么是判别分类器（以及它们与生成分类器的比较）

        2、条件随机场的数学概述

        3、CRF 与隐马尔可夫模型有何不同

        4、CRF的应用

        在许多不同的领域，如物理学或统计学，随机场是给定随机观察集的联合分布的表示。正如我们稍后将看到的，CRF从一组随机观察中模拟条件概率分布，因此被称为“条件随机场”。

2、什么是判别分类器

        机器学习模型有两个常见的分类，生成式和判别式。

        条件随机场是一种判别分类器，因此，它们对不同类之间的决策边界进行建模。另一方面，生成模型对数据的生成方式进行建模，在学习之后，可用于进行分类。举个简单的例子，朴素贝叶斯是一种非常简单且流行的概率分类器，是一种生成算法，而逻辑回归是一种基于最大似然估计的分类器，是一种判别模型。让我们看看如何使用这些模型来计算标签预测：

        朴素贝叶斯分类器基于朴素贝叶斯算法，该算法规定如下：