隐马尔卡夫模型(HMM)解决预测问题(多语言算法实现)
隐马尔卡夫模型(HMM)
隐马尔卡夫模型(HMM)是一种统计学模型,模型包含一条隐藏状态的马尔可夫链以及每个隐藏状态所对应的可观测状态。根据模型中的参数(隐藏状态相互转移概率、隐藏状态下不同观测状态发生的概率)可以对隐藏状态信息、观测状态信息或者某一状态链发生概率做出预测。
马尔卡夫链
马尔卡夫链表示的是一种状态空间内从一个状态转移到另一个状态的随机过程。在隐马尔可夫模型中,隐藏状态的转移就是一条马尔卡夫链。为了更好地理解HMM模型,需要了解马尔卡夫链的以下特点:
无记忆性 :马尔卡夫链中从当前状态出发,下一状态将去向何方仅与当前状态有关,与先前时刻的所有状态均无关。前往下一状态的概率分布即为当前状态抵达其他所有其他状态的概率分布。
其数学表达式为: P ( x t + 1 ∣ … x t − 2 , x t − 1 , x t ) = P ( x t + 1 ∣ x t ) P(x_{t+1}|\ldots x_{t-2},x_{t-1},x_{t})=P(x_{t+1}|x_t) P(xt+1∣…xt−2,xt−1,xt)=P(xt+1∣x