知道HMM的参数 λ = (A, B, π) 和观测序列O = {o1,o2, …, oT} ，如何计算模型 λ 下观测序列O出现的概率P(O | λ)。
HMM的参数如何确定？比如：对于刚才的中文分词的小例子。
初始概率分布π好确定：是不是终结词的概率各是0.5。
观测矩阵B也好确定：1/65535嘛
但状态转移矩阵怎么确定？我怎么知道下个词是终结词的概率是多少？
3. 知道HMM的参数 λ = (A, B, π) 和观测序列O = {o1,o2, …, oT}，如何计算给定观测序列条件概率P(I|O, λ )最大的状态序列I，即：
对于中文分词，我想到底如何分的词。
第一个问题被称为：概率计算问题。
解决办法：前向-后向算法(一种动态规划算法)。
第二个问题被称为：学习问题。
解决办法：如果状态序列已知，那用最大似然估计就好了，但HMM的状态序列未知，即含有隐变量，所以要使用Baum-welch算法(其实其本质就是EM算法)。
第三个问题被称为：预测问题/解码问题。
解决办法：Viterbi算法(一种动态规划算法)。
