이 개념의 출항 질문
우연에서 신호 읽기8 / 11번째 항구“‘확률 그래프 모델’에서 묻습니다. 한 번의 우연에서 반복되는 신호를 어떻게 읽을까?”
주사위와 보험에서 데이터, 잡음, 학습 알고리즘까지 불확실성을 측정하고 판단으로 바꾸는 여정입니다.
이 항로는 이해를 돕는 편집 경로입니다. 직접적인 역사 영향선이나 한 사람의 단독 발명을 뜻하지 않습니다.
한 호흡으로 이해하기
"수많은 변수의 결합 분포를 그래프 구조로 압축." 변수가 100개면 결합 분포가 2^100개의 항이지만, 조건부 독립성이 그래프로 표현되면 항이 훨씬 적게 압축된다. 의료 진단(증상→병), 로봇 SLAM, 음성인식 HMM.
한눈에 보기
모델 | 구조 | 응용 |
|---|---|---|
Naive Bayes | 클래스 → 모든 특징 | 스팸 필터, 텍스트 분류 |
Bayesian Network | 방향 비순환 그래프 | 의료 진단, 인과 추론 |
HMM (Hidden Markov) | 체인: zₜ₋₁ → zₜ → xₜ | 음성·NLP·DNA |
MRF (Markov Random Field) | 무방향 그래프 | 이미지 분할 |
Conditional Random Field | MRF 조건부 | NER, 의미적 분할 |
Variational Autoencoder | 심층 베이지안 | 이미지 생성 |
조건부 독립성을 그래프 엣지로 표현 — 100개 변수의 2¹⁰⁰ 결합 분포가 몇 백 개 항으로 압축된다.
개념
변수들의 의존 관계를 그래프로 표현. 베이즈 네트워크(방향), 마르코프 랜덤 필드(무방향). 1980년대 펄·라우리첸이 정립. AI·의료·로봇 불확실성 추론의 표준.
핵심 식
결합 분포 = 부모 조건부 분포의 곱
오늘날의 응용
의료 AI 진단, 자율주행 SLAM, 음성인식 HMM, 인과 추론.
MathVoyage 너머로
큐레이터가 고른 원전과 탐구 과제. OEIS·Project Euler·MathOverflow·arXiv에서는 발견 하나를 수첩으로 가져올 수 있습니다.
한 사람이 만든 개념이 아닙니다
역할이 다른 사람들을 따라가기
대표 연결은 발명자 명단이 아닙니다. 문제를 열고, 언어를 다듬고, 다른 세계로 옮긴 서로 다른 항구입니다.
수의 렌즈
같은 개념도 수의 세계가 바뀌면 다르게 보입니다
아래 수는 필수 선수 조건이 아니라 이 항로를 비추는 편집 렌즈입니다.
개념의 계보
무엇을 딛고, 무엇을 열었을까?
직접 연결만 표시하며 완전한 학습 순서나 역사 영향선을 뜻하지 않습니다.