文章目录
#前言
模型前提：k+1时刻之和k时刻的状态有关
马尔可夫模型可以用来预测，只研究分类结果，不研究属性，比如判断油田储油量，不研究油田的参数（比如土壤状况，地下水之类的）对储油级别的影响，只研究储油级别的变化，（比如极高，高，中，低，极低 ），当你知道之前的储油级别序列，就可以预测之后的储油级别。
而隐马尔可夫模型，需要用水质参数来预测级别，不过只能用一组参数
#建模
##马尔可夫模型
只用k种分类，比如储油量，极高，高，中，低，极低 （5种）
然后建立5X5变换概率矩阵
##隐马尔可夫模型
前提；一个属性，k种分类
- 隐含状态：储油量，极高，高，中，低，极低 （5种）
- 可观测状态：一个属性的j种状态（属性值是连续的就是不同的离散区间）
- 初始（隐含）状态概率矩阵 π：隐含状态先验概率
- 隐含状态转移概率矩阵 A：根据分类种类数得出的5X5矩阵，任一状态变为任一状态的概率
- 观测状态转移概率矩阵 B：第k个分类情况下是第j个离散区间的概率矩阵（即条件概率矩阵）
之前的5个矩阵称为5元组
#算法实现
建模之后可以用这个模型做三种事，我们只讨论预测隐含状态，分两步 - 根据训练数据训练出之前说的5元组模型
- 使用 Viterbi 算法来根据可观察序列得到最优可能的隐藏状态的序列
1027
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
