圖模型用圖結構描述隨機變量之間的依賴關系，結點表示隨機變量，邊表示隨機變量之間的依賴關系，可以是有向圖和無向圖。
一 無向圖模型
無向圖模型又叫馬爾可夫網絡、馬爾可夫隨機場，是關于一組有馬爾可夫性質隨機變量X的全聯合概率分布模型。
1 無向圖模型的表示
給定包含n個隨機變量的問題域
，則定義在問題域U上的無向圖模型包括拓撲結構和參數兩部分:
Ø 拓撲結構S:節點表示隨機變量，兩節點之間的連線表示它們之間具有直接的相互影響。
Ø 參數Θ:無向圖模型參數是對節點之間相互影響的定量描述。它是拓撲結構S中每個極大完全子圖所對應的勢函數的集合。其中，極大完全子圖(clique)是指不包含于其它完全子圖的完全子圖（完全子圖中任何兩節點是直接相連的），勢函數
則反映了極大完全子圖
的每種可能狀態的能量。
2 無向圖模型的聯合概率分解
利用無向圖模型可將圖的聯合概率分解為一系列因子式。給定無向圖模型拓撲結構S和參數Θ之后，問題域U上的聯合概率密度函數可寫為:
其中N為無向圖中極大完全子圖的數目。
3 例子：
二 有向圖模型
1 一個簡單的例子
2 一般情況
考慮任意聯合分布 ，通過連續使用乘法規則
利用局部馬爾可夫性簡化簡化：在給定其所有父親節點的情況下，隨機變量X與其非后繼條件獨立。
其中pai是Xi的父節點集合。
三 有向圖模型與無向圖模型的對比：
1 共同之處
將復雜的聯合分布分解為多個因子的乘積
2 不同之處
有向圖模型因子是概率分布、無需全局歸一
無向圖模型因子是勢函數，需要全局歸一
3 優缺點
無向圖模型中勢函數設計不受概率分布約束，
設計靈活，但全局歸一代價高
有向圖模型無需全局歸一、訓練相對高效