Dans un modèle graphique probabiliste, l'ensemble minimal de variables qui rend une variable cible conditionnellement indépendante de toutes les autres variables ; pour un graphe dirigé acyclique cet ensemble correspond aux parents, aux enfants et aux coparents (autres parents des enfants) de la variable.

Principe

Indépendance conditionnelle : l'enveloppe de Markov est le séparateur local qui bloque toutes les voies d'influence probabiliste entre la cible et le reste du graphe une fois conditionnée.

Démonstration

Dans un réseau bayésien représentant maladie, symptôme et tests, l'enveloppe de Markov du nœud symptôme comprend ses causes directes (maladies), ses effets directs (tests) et les autres causes de ces effets ; conditionner sur cet ensemble rend le symptôme indépendant des nœuds non liés.

Mauvaise application

Considérer l'enveloppe de Markov comme se réduisant aux seules causes directes néglige enfants et coparents, conduisant à des indépendances conditionnelles incorrectes et une inférence locale invalide.

Conséquence

L'identification correcte fournit des modèles conditionnels locaux minimaux utilisés pour une inférence efficace, un apprentissage local et la sélection de variables en modélisation probabiliste.

Inversion

La perspective complémentaire est l'ensemble des nœuds situés à l'extérieur de l'enveloppe, qui ne sont indépendants de la cible qu'après conditionnement sur l'enveloppe ; inverser la notion met l'accent sur les dépendances globales plutôt que sur le blindage local.

Limite

Défini pour les représentations graphiques probabilistes (dirigées ou non) ; suppose que le graphe encode toutes les indépendances conditionnelles et ne traite pas les variables latentes non modélisées ni les dépendances temporelles absentes du graphe.

Tension sémantique

Souvent confondu avec des séparateurs ou coupures en théorie des graphes ; une enveloppe de Markov est un séparateur probabiliste minimal pour un nœud unique, tandis que les séparateurs concernent des partitions entre ensembles arbitraires de nœuds.

Synthèse

L'enveloppe de Markov est l'ensemble local minimal de variables qui, une fois conditionné, isole probabilistiquement un nœud du reste du modèle graphique, permettant l'inférence localisée et la réduction de modèle.