目录
0 写在前面 1 代数上的因式分解 2 因子分解与吉布斯分布 3 独立图与完美图 4 独立性等价
0 写在前面
机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。
?详情：机器学习强基计划(附几十种经典模型源码合集)
国内教材很少详细阐述因子分解和独立图概念，博主在查阅了大量外文文献后，将相关知识总结为本文。
1 代数上的因式分解
考虑代数上因子分解的实例
w ⋅ x +