第26课：HMM——三个基本问题

上一篇我们讲了什么是 HMM。

和我们之前学习过的几个模型对比，HMM 挺别扭的。其他模型都是直接把特征对应成一个结果，当然，这个结果的取值本身可以是连续的（回归模型）或者离散的（分类模型），不过整个过程里涉及到的也就是输入变量（特征）和预测结果两部分数据。

HMM 却是变量自己就分成两类：状态变量和观测变量，而且，模型的运行过程也是来来回回在这两类变量之间转圈圈，这到底有什么用呢？

三个基本问题

在实际运用中，HMM 有三个基本问题。

概率计算问题

问题名称：概率计算问题，又称评价（Evaluation）问题。

已知信息：

• 模型 $\lambda = [A, B, \pi]$
• 观测序列 $O=(o_1, o_2, …, o_T)$

求解目标：计算在给定模型 $\lambda$ 下，已知观测序列 $O$ 出现的概率：$P(O|\lambda)$。也就是说，给定观测序列，求它和评估模型之间的匹配度。

预测问题

问题名称：预测问题，又称解码（Decoding）问题。

已知信息：

• 模型 $\lambda = [A, B, \pi]$
• 观测序列 $O=(o_1, o_2, …, o_T)$

求解目标&#x