HMM算法Python实现

最新推荐文章于 2024-05-10 09:45:30 发布

FIXLS

最新推荐文章于 2024-05-10 09:45:30 发布

阅读量2.1k

点赞数

分类专栏： NLP

本文链接：https://blog.csdn.net/baidu_15113429/article/details/79847267

版权

该博客介绍了HMM算法的Python实现，包括训练过程中的发射概率和转移概率计算，以及在不同标签（B,M,E,S）下观测值的概率。通过维特比算法测试算法效果，计算最大概率路径。重点探讨了特定标签下的观测值概率计算方法。" 120300235,1433559,Java中Illegal Access Exception的解决方法,"['编程语言', 'java', 'bug']

摘要由CSDN通过智能技术生成

训练代码主要生成发射概率和转移概率以及在特定标签下的观测值概率

学习网址

#-*-coding:utf8-*-
PROB_START = "data\prob_start.py"  # 初始状态概率
PROB_EMIT = "data\prob_emit.py"  # 发射概率
PROB_TRANS = "data\prob_trans.py"  # 转移概率
start_fp = open(PROB_START, 'w', encoding='utf8')
emit_fp = open(PROB_EMIT, 'w', encoding='utf8')
trans_fp = open(PROB_TRANS, 'w', encoding='utf8')
def getList(input_str):  # 输入词语，输出状态
	"""
	输入一个词语，然后把词语转化成B,M,E,S的形式
	:param input_str:
	:return:
	"""
	outpout_str = []
	if len(input_str) == 1:
		outpout_str.append('S')
	elif len(input_str) == 2:
		outpout_str = ['B', 'E']
	else:
		M_num = len(input_str) - 2
		M_list = ['M'] * M_num
		outpout_str.append('B')
		outp