概率图模型是一类用图来表达变量相关关系的概率模型．

分为两类：有向无环图表示变量间的依赖关系，称为有向图模型或贝叶斯网．

　　　　　无向图表达变量相关关系，称为无向图模型或马尔可夫网．

HMM(隐马尔可夫模型)是结构最简单的动态贝叶斯网．

MRF(马尔可夫随机场,也称最大熵)是典型的马尔可夫网，是对联合分布建模，属于生成式模型．

　　　全局马尔可夫性：

　　　极大团：

　　　一组势函数

CRF(条件随机场)，对条件分布建模，属于判别式模型．

推断：根据联合分布求目标变量的边际分布，或以可观察变量为条件的条件分布进行推断．

概率图模型的推断方法分为两类：精确推断：变量消去．信念传播

　　　　　　　　　　　　　　　近似推断：采样：MCMC采样

　　　　　　　　　　　　　　　　　　　　确定近似完成近似推断：变分推断　　

MCMC采样:先设法构造一条马尔可夫链，使其收敛至平稳分布洽为待估计参数的后验分布．

Metropolis-Hastings(MH)是MCMC的代表，它基于＂拒绝采样＂，根据上一轮的采样结果得到这一轮的采样结果，但是以一定的概率拒绝．　　

Gibbs sampling(吉布斯采样 )有时被视为MH算法特例,也使用马尔可夫链获取样本,马尔可夫链的平稳分布也是采样的目标分布.