Statistics 什么是「；因子图“；它们有什么用处？

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），这让我对这个工具感兴趣，但我很难找到关于因子图是什么以及如何使用它们的直观解释

---

有人能提供一个不重数学的因子图的解释吗？它专注于实际应用而不是抽象理论？

它们被广泛用于将问题分解成碎片。因子图的一个非常有趣的应用（以及传递给它们的消息）是XBox Live TrueSkill算法。我在我的博客上尝试了一个介绍性的解释，而不是一个过于学术化的解释。

因子图是一种图形表示变量和因子（公式的一部分）之间的依赖关系，这种依赖关系存在于一种特定的公式中

假设您有一个函数

f（x_1，x_2，…，x_n）

，您想计算某个参数

x_i

的此函数的边缘化，从而将所有赋值相加到剩余公式。进一步的

f

可以分为几个因素，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

边缘化，可以使用一种称为和积（或消息传递）的特殊算法，将问题分解为更小的计算。对于这个算法，哪些变量作为哪个因子的参数出现是非常重要的。该信息由因子图捕获

因子图是一个包含因子节点和变量节点的二部图。如果变量显示为因子的参数，则因子和变量节点之间存在一条边。在我们的示例中，因子

f_2

和变量

x_5

之间有一条边，但

f_2

和

x_1

之间没有边

---

有一篇很棒的文章：。

因子图是数学模型，只能用数学方程来解释。简而言之，这是一种解释模型中兴趣变量之间复杂关系的方法。例如：A是温度，B是压力，分量C，D，E在某种程度上依赖于B，A，分量K依赖于B，A。你想根据A和B预测K值。所以你只知道可见状态。基本的ML库不允许对这种结构建模。神经网络做得更好。因子图正是解决这个问题的方法。

---

因子图是深度学习的一个例子。当无法用特征和输出表示模型时，因子模型允许构建隐藏状态、层次和复杂的变量结构，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。

只是一条旁白，但那是一篇很棒的博文。啊，杰夫，是的，我几个月前读过你的博文，好吧，老实说，我读了一半。但是我用你的软件的Java版本做我的一部分。我并没有意识到因子图是用于TrueSkill的，我需要回去阅读你的全部博客文章。是的，很棒的文章！谢谢