Probabilistic Graphical Models（PGM）
概率圖模型（PGM）是一個擴展了貝葉斯網路、馬爾可夫隨機場等方法的基本框架，引用了來自計算機科學的離散數據結構來高效編碼，對
高維空間隨機分佈進行操作，這裡的高維空間一般包含成百上千的變數。這些方法已經在各種應用場合被廣泛的使用，比如：網路搜索、藥物誤診、圖像理解、生物網路重構、語音識別、自然語言處理、在包含噪音噪的通信頻道中發送的消息的解碼，機器人導航等等。PGM 框架為任何想要從有限的並且含有噪音的觀察數據中學習因果關聯的人提供了基本的工具。