HMM--隐马尔科夫模型 （1）

想必大家都知道隐马尔科夫模型的重要性吧。

本文简单介绍我对HMM的理解，有什么问题相互学习，共同进步。贼哈哈~~~

一个简单的例子：

假设每天的天气要么晴天，要么下雨。（有人会说太扯淡了，还有阴天什么，多云什么的。）不过前面说了简单的例子，所以越简单越好，只是为了说明概念。我们分别用

R：雨， D：晴。

根据砖家的经验当前的天气止于前一天的天气相关，并且有如下关系：

P（R|R）=0.3， P（D|R）=0.7.

P（R|D）=0.2，P（D|D）=0.8.

为了方便表示，我们借助矩阵的来表示。美名其曰：转移矩阵，用A表示。

初始化天气概率

P（R）=0.4， P(D)=0.6

HMM主要来处理三个问题，本文先来解决计算概率的问题。

假如我们知道三天都是晴天的概率。如何计算呢？

其实很简单。 概率展开，即可得 P(D, D, D) = P(D) * P(D | D) * P(D| D, D)。 有前面的假设，当天的天气止于前一天的天气状况。

前面的公式可以简化为: P(D, D, D) = P(D) * P(D|D) * P(D|D) = 0.6 * 0.8 * 0.8。

具体数字自己算吧，本人数学很差。

下一节来讲用动态规划求最佳状态。