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