隐马尔可夫模型向前算法（真假骰子观测序列概率演示）------python

最新推荐文章于 2022-09-11 20:24:01 发布

Super_zyc

最新推荐文章于 2022-09-11 20:24:01 发布

阅读量372

点赞数

分类专栏：数据挖掘文章标签：数据挖掘隐马尔可夫模型 python 算法机器学习

本文链接：https://blog.csdn.net/Superzycc/article/details/117952586

版权

本文通过Python详细介绍了如何运用隐马尔可夫模型（HMM）来分析真假骰子的观测序列概率。通过对数据挖掘和机器学习中的HMM算法进行实战演示，解释了算法的前向过程。

摘要由CSDN通过智能技术生成

# 隐马尔可夫模型代码演示
def main():
    # 背景： 有A，B两枚骰子，其中A为正常骰子，B骰子做过手脚，掷出的点数概率不同，用于作弊，现在将两枚骰子放在一个罐子里
    #        其中，初始状态为A（正常骰子），状态转移概率矩阵如下 pos，A->A概率:0.9,A->B概率0.1
    #        A, B两个骰子所掷出的点数概率为A ,B两个向量
    #        求：出现如下观测序列的概率
    pos = [[0.9, 0.1], [0.8, 0.2]] #状态转化概率
    A = [1 / 6] * 6
    B = [

最低0.47元/天解锁文章

Super_zyc

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
隐马尔可夫模型向前算法（真假骰子观测序列概率演示）------python

# 隐马尔可夫模型代码演示def main(): # 背景：有A，B两枚骰子，其中A为正常骰子，B骰子做过手脚，掷出的点数概率不同，用于作弊，现在将两枚骰子放在一个罐子里 # 其中，初始状态为A（正常骰子），状态转移概率矩阵如下 pos，A->A概率:0.9,A->B概率0.1 # A, B两个骰子所掷出的点数概率为A ,B两个向量 # 求：出现如下观测序列的概率 pos = [[0.9, 0.1], [0.8
复制链接

扫一扫

专栏目录