HMM

隐马尔可夫模型(HMM)是一种统计模型,用于描述具有隐含状态的马尔科夫过程。它涉及可见状态链、隐含状态链、转换概率和输出概率。HMM适用于基于序列的问题,特别是时间序列,并假设观测独立性和马尔科夫链。HMM的三大问题是评估、预测(维特比算法)和模型参数学习(鲍姆-韦尔奇算法)。本文还通过MultinomialHMM实例展示了如何解决HMM问题。
摘要由CSDN通过智能技术生成

HMM

马尔科夫链即为

  • 状态空间中从一个状态到另一个状态转换的随机过程。

  • 该过程要求具备

    “无记忆”

    的性质:

    • 下一状态的概率分布只能由当前状态决定,在时间序列中它前面的事件均与之无关

隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。

  • 隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。

  • 常见术语

    • 可见状态链
    • 隐含状态链
    • 转换概率
    • 输出概率
  • 什么样的问题可以用HMM模型解决

    • 基于序列的,比如时间序列;
    • 问题中包含两类数据,一类是可以观测到的观测序列;另一类是不能观察到的隐藏状态序列。
  • HMM模型的两个重要假设

    • 其次马尔科夫链假设
    • 观测独立性假设
  • HMM模型的三个基本问题

    • 评估观察序列概率—— 前向后向的概率计算
    • 预测问题,也称为解码问题 ——维特比(Viterbi)算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值