马尔可夫网络

马尔可夫网络，（马尔可夫随机场、无向图模型）是关于一组有马尔可夫性质随机变量${\displaystyle X}$个团的状态（${\displaystyle |c_k|}$个团中包含的节点数。），乘积包括了图中的所有团。注意马尔可夫性质在团内的节点存在，在团之间是不存在依赖关系的。这里，${\displaystyle Z}$源于物理，通常从字面上理解为在临近位置产生的势能。

对数线性模型是对势能的一种便捷的解释方式。一个这样的模型可以简约的表示很多分布，特别是在领域很大的时候。另一方面，负的似然函数是凸函数也带来便利。但是即便对数线性的马尔可夫网络似然函数是凸函数，计算似然函数的梯度仍旧需要模型推理，而这样的推理通常是难以计算的。

马尔可夫网络有这样的马尔可夫性质：图的顶点在状态${\displaystyle x_u}$的最近临节点，并且顶点对图中的其他任何节点是条件独立的。该性质表示为

顶点的最近临节点集合${\displaystyle N_u}$的马尔可夫链。

在贝叶斯网络中，计算节点${\displaystyle V^{\prime }=\{v_1,...,v_i\}}$和从观察${\displaystyle o}$到非负实数的映射。这样的马尔可夫网络更适于不对观察建立分布模型的区分性模型，不是生成性模型。