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。