-
- HMM
-
- 前提
- HMM的定义
- 问题描述
- numpy复现
前提隐马尔科夫(HMM)是可用于标注问题的统计学习模型， 描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。
- 奇次马尔科夫性假设:下次发生的状态仅仅由上次的状态所决定.
- 观测独立性假设:状态决定观测的输出
HMM是关于时序的概率模型,隐藏的马尔可夫链随机生成的状态的序列，称为状态序列（state sequence）；每个状态生成一个观测，而由此产生的观测的随机序列，称为观测序列 （observation sequence）。序列的每一个位置,可以理解为一个时刻.
HMM由初始概率分布,状态转移概率分布以及观测概率分布确定.
设Q是所有可能的状态集合,比如所有汉语拼音的音素,V是所有可能的观测的集合.
