本书分为4部分：第Ⅰ部分给出PGM的总体介绍和动机，并回顾概率论和图论的必要背景知识；第Ⅱ部分描述不考虑决策或效用的模型：贝叶斯分类器、隐马尔可夫模型、马尔可夫随机场、贝叶斯网络、动态和时态贝叶斯网络；第Ⅲ部分首先简要介绍决策理论，然后描述支持决策的模型，包括决策树、影响图、马尔可夫决策过程和部分可观察马尔可夫决策过程；第Ⅳ部分对标准PGM进行了扩展，包括关系概率图模型和因果图模型(因果推理和因果发现)，还对深度学习及其与PGM的关系进行介绍。
第I部分基本原理
第1章导论
1.1不确定性
1.2简要回顾
1.3基本概率模型
1.4概率图模型
1.5表示、推理与学习
1.6应用
1.7本书概述
1.8补充阅读
第2章概率论
2.1引言
2.2基本规则
2.3随机变量
2.4信息论
2.5补充阅读
2.6练习
第3章图论
……
Luis Enrique Sucar博士是墨西哥普埃布拉国家天体物理、光学和电子学研究所(INAOE)的高级研究科学家。Luis于2016年荣获墨西哥国家科学奖。
