有向分離(Directed Separation)是圖論中的概念,在PGM中也有着重要的作用。
D-separation和前一篇博文PGM中的條件獨立(Conditional Independent)有很大的聯繫。
回顧:
- 順連結構:x—>z—>y,x和y關於z條件獨立。
- 分連結構:x<—z—>y,x和y關於Z條件獨立。
- 匯連結構:x—>z<—y,x和y邊緣獨立。若已知結果z反而可能不獨立。
相關概念:
阻塞(Block):
設X,Y,Z分別是一個有向無環圖(Directed Acyclic Graph)G裏互沒有交集的節點集(set),Z阻塞X中的任一個節點到Y中的任一個節點的通路(Z blocks every paths from a node in X to a node in Y),當且僅當節點集Z滿足如下條件:
- 如果G中有順連結構x—>z—>y或分連結構x<—z—>y,則節點z包含在集合Z中;
- 如果G中有匯連結構x—>z<—y,則節點z及其後裔節點(descendants)一定不包含在集合Z中。
有向分離(D-separation):
如果集合Z阻塞X到Y中的任何一條通路(path),則稱在這個DAG裏,集合Z有向分離X和Y。也稱Z 爲X和Y的切割集。
如果一個路徑不是有向分離的,則稱其爲有向連接的(D-connected)。
總結:
整體markov性:
前面一篇在條件獨立的基礎上介紹了局部markov性。和局部markov性一樣,整體markov性也和條件獨立有關,正如字面含義一樣,從整個DAG來講它比局部markov性更廣泛地概括了獨立的概念,具體如下:
設X和Y是DAG中的兩個節點變量集,Z是G中不包含X和Y的節點集合,如果Z有向分離(D-separate)X和Y,則X和Y在給定Z時條件獨立,。否則,稱在給定集合Z下集合X和Y依賴。
條件獨立是概率論中的概念,有向分離是圖論中的概念,局部markov性和整體markov性將兩個概念融爲一體,揭示了圖論和概率論之間的聯繫。