CRF (Conditional Random Field) to model statystyczny z rodziny modeli grafów markowskich, stosowany głównie w uczeniu maszynowym do zadań sekwencyjnych, takich jak rozpoznawanie entytat nazwanych (NER), tagowanie części mowy (POS) czy segmentacja obrazu. CRF optymalizuje etykiety sekwencji poprzez uwzględnienie zarówno cech lokalnych, jak i globalnych zależności między elementami danych, co poprawia dokładność w porównaniu do prostszych modeli markowskich. Jest szeroko wykorzystywany w obróbce języka naturalnego (NLP) i analizie obrazów.
Źródło: stockanalysis.com
