机器学习（10）隐马尔可夫模型

“多一条公式，少一半读者”--霍金

饮水不忘挖井人，感谢知乎上关于隐马尔可夫的回答。

这里分两部分，第一部分是隐马尔可夫模型“像”什么，第二部分是实际应用中，隐马尔可夫模型的三类问题。

第一部分：

有一款游戏，里面有个角色，职业是战士，战士有三种状态：正常状态，狂暴状态，防御状态。战士战斗只有两种动作：平A和格挡。

正常状态：平A出现暴击的概率为20%，格挡概率为10%

狂暴状态：平A出现暴击的概率为40%，格挡概率为7%

防御状态：平A出现暴击的概率为5%，格挡概率为25%

三种状态之间是随机切换，比如，在t1时间时，战士是正常状态，t2状态时，战士可以保持正常状态，也可以是狂暴状态或者防御状态，这里先假设三种状态转换的概率都为33.3%，也就是下一个时间段可能出现的状态的几率是一样的。

那么问题来了，一天，这个战士和boss肉山大魔王战斗，战士出现暴击或者成功闪避时都只有出现暴击字样或者闪避字样。战斗一开始，战士平A了大魔王3下，均为暴击，问：现在战士处于什么状态？过了一会，战士连续格挡掉大魔王的攻击，问：现在战士处于什么状态？

很大几率你们会回答，一开始战士处于狂暴状态，过一会，战士处于防御状态。

你看，你们已经知道隐马尔可夫模型“像”什么了。

隐马尔可夫有四个东西，状态（如上面的3种状态），状态转换概率（如上面的33.3%），行为（如上面的平A和格挡），每种状态对应不同行为的概率（如每个状态对应平A和格挡的概率都不一样）。

隐马尔可夫就是，给你看一堆行为（不断的平A和格挡），然后你去猜测，这个行为到底是哪个状态下的行为，不同状态行为下这个行为的概率是多少。

于是乎，就有了隐马尔可夫的三类问题。

第二部分：

问题1：已知状态类型，状态转换概率，每种状态对应行为的概率，给出行为序列去求行为对应的状态。这个问题就是上面场景中，玩家看战士出现暴击和格挡去猜战士那时候处于什么状态。该问题的解法是：Viterbi Algo算法，比如

战士第一个行为-暴击

然后你猜这个时候战士处于什么状态，正常状态暴击率为20%，狂暴状态暴击率为40%，防御状态暴击为5%，明显狂暴状态下暴击的概率比较高，那么第一发平A时，战士处于狂暴状态。

战士第二行为-格挡

防御状态出现格挡的概率比较高，所以我们确定战士第二行为处于防御状态

不是在战士第一行为时一定是狂暴状态，而是我们只是选出概率最大状态。

问题2：

已知状态类型，状态转换概率，每种状态对应行为的概率，给出行为序列去求行为对应的概率。有一天，战士继续去打大魔王，发现很少出暴击，于是玩家怀疑是不是自己没冲钱买装备，游戏产商故意把自己暴击率的数值改了。该问题的解法是：前向算法。

先算出正常情况下的暴击概率，再和现实对比。

1，算出3种状态下的暴击概率相加：33.3%×20%+33.3%×40%+33.3%×5%

2，每出现一个行为都用上面式子概率求和一次

...

最后与现实数据对比

问题3：

什么都不知道，只给你看行为，让你从暴击和闪避概率中反推出整个模型，第三类问题很复杂，我就不不谈了。。。