关于MCMC方法在贝叶斯结构学习中的一些理解

MCMC方法的关键是通过构造平稳分布为P的马尔科夫链来产生样本。在贝叶斯网络中，产生的样本就是各个贝叶斯结构，通过产生的样本（这些结构）中，选取可行的结构。关键的部分就在于如何仅仅通过训练集（每个节点一系列状态），来得到采样样本（最终结构）。        MH算法是MCMC算法的重要代表，MH是通过上一轮采样结果来采样，获得候选样本，但是这个样本有可能被拒绝掉，为什么会被拒绝掉呢？因为算法中规定

>>阅读原文<<