机器学习——HMM（隐马尔可夫）

1、请介绍一下HMM算法

HMM描述的是一个含有隐状态的马尔可夫链所生成的不可观测的状态随机序列，再由各个状态生成观测序列的过程。隐藏的马尔科夫链随机生成的状态的序列称为状态序列；每个状态生成一个观测，而由此产生的观测的随机序列，称为观测序列
常常应用在：分词，词性标注，命名实体识别

1）初始状态概率、状态转移矩阵、发射矩阵的确定

初始概率分布

      z1可能是状态1，状态2 ... 状态n，于是z1就有个N点分布：

Z1	状态1	状态2	...	状态n
概率	P1	P2	...	Pn

      即：Z1对应个n维的向量。

      上面这个n维的向量就是初始概率分布，记做π。

状态转移矩阵

      但Z2就不能简单的“同上”完事了，因为Z2和Z1不独立，所以Z2是状态1的概率有：Z1是状态1时Z2是状态1，Z1是状态2时Z2是状态1,..., Z1是状态n时Z2是状态1&#