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