확률 그래프 모형 (probabilistic graphical model)

한 줄 정의: 확률변수 사이의 조건부 독립 관계를 그래프로 표현해 복잡한 결합확률분포를 다루는 모형 계열이에요.

쉽게 풀면

변수가 많아지면 모든 변수의 확률을 한꺼번에 다루기가 매우 어려워요. 확률 그래프 모형은 변수를 점으로, 직접 영향을 주는 관계를 선으로 그려서 "이 변수는 저 변수들만 알면 나머지와는 무관하다"는 구조를 표현해요. 그 덕분에 계산과 해석이 훨씬 쉬워져요.

왜 중요한가

의료 진단, 음성 인식, 자연어 처리, 인과 추론 등에서 널리 쓰였고, 불확실성을 다루는 머신러닝의 기본 이론 틀이에요. 인과 그래프 연구의 바탕이기도 해요.

논문에서는 이렇게 쓰입니다

"진단 변수 간 의존 구조를 확률 그래프 모형으로 표현하여 누락된 검사 결과가 있어도 질병 확률을 추정하였다."

그래프 구조를 이용해 불완전한 자료에서 추론한 문장이에요.

조금 더 깊게 보면

크게 방향 그래프를 쓰는 베이지안 네트워크와 무방향 그래프를 쓰는 마르코프 네트워크(마르코프 무작위장)로 나뉘어요. 그래프 구조 덕분에 결합분포를 작은 인수들의 곱으로 나누어 표현할 수 있어요. 주요 과제는 주어진 증거로 다른 변수의 확률을 구하는 추론, 그리고 데이터로 파라미터와 구조를 찾는 학습이에요. 정확한 추론이 어려우면 변분 추론이나 마르코프 연쇄 몬테카를로 같은 근사 방법을 써요.

주의할 점

지식 그래프는 개체와 관계를 저장하는 데이터 모델이고, 확률 그래프 모형은 확률변수의 의존 구조를 나타내는 통계 모형이라 그래프가 뜻하는 바가 달라요. 그래프의 선이 곧바로 인과관계를 뜻하는 것은 아니라는 점에도 주의해야 해요.