在概率图模型(尤其是贝叶斯网络)中,某个节点的 Markov blanket(马尔可夫毯) 指的是一组节点:它的父节点(parents)、子节点(children)以及子节点的其他父节点(spouses/共同父母)。给定这组节点后,该节点与网络中所有其他节点条件独立;直观上,这组节点像“毯子”一样把该节点与外界信息隔离开来。
/ˈmɑːrkoʊv ˈblæŋkɪt/
The Markov blanket of a node includes its parents and children.
一个节点的马尔可夫毯包含它的父节点和子节点。
In Bayesian networks, conditioning on a variable’s Markov blanket makes it independent of all other variables, which is useful for inference and feature selection.
在贝叶斯网络中,对某变量的马尔可夫毯进行条件化会使它与其他所有变量独立,这对推断与特征选择很有用。
“Markov” 来自俄国数学家安德烈·马尔可夫(Andrey Markov)的姓氏,与马尔可夫性质/马尔可夫性相关;“blanket” 原意是“毯子”。在图模型语境中,“Markov blanket” 用“毯子”这一隐喻强调:这组相邻且关键的变量把目标节点“包住”,使外部信息不会再提供额外影响(在给定该组变量的条件下)。