HMM(参数训练一有监督训练)

上文已经讲述的HMM的第一个问题，如何用前向后向算法求解观测序列的概率。本文讲述如何训练模型

一、HMM参数的训练有2种方法，一种是有监督学习，另一种是无监督学习。其中有监督学习很简单，无监督理解起来稍微困难。已知模型参数$\lambda = (\alpha_{NN},\beta_{NM},\pi_N)$

- 有监督学习直接利用计数的方式来求得模型参数
- 假设已经给出训练数据包含S个长度相同的观测序列和对应的状态序列${(O_1,I_1),(O_2,I_2),...,(O_s,I_s)}$，那么可以利用极大似然估计法来估计模型参数！！
- 转移概率的$\alpha_{NN}$估计。$\alpha_{ij} = A_{ij} \div \sum_{j=1}^{N}A_{ij}$，A是个数
- 观测（发射）概率$\beta_{NM}$的估计。$\beta_j(k) = B_{jk} \div \sum_{k=1}^{M}B_{jk}$
- 初始状态概率$\pi_N$的估计。$\pi_i = 初始状态i发生的频率$