HMM学习笔记（二）：监督学习方法与Baum-Welch算法

学习隐马尔可夫模型（HMM），主要就是学习三个问题：概率计算问题，学习问题和预测问题。在前面讲了概率计算问题：前后向算法推导，这里接着讲学习问题，即求模型$\lambda =(\pi ,A,B)$的参数，以下分为监督学习和非监督学习来讲学习算法。

记： Q = { q 1 , q 2 , . . . , q N } Q=\{q_1,q_2,...,q_N\} Q={q1​,q2​,...,qN​}表示所有可能的状态集合， V = { v 1 , v 2 , . . . , v M } V=\{v_1,v_2,...,v_M\} V={v1​,v2​,...,vM​}表示所有可能的观测集合。

I = { i 1 , i 2 , . . . , i T } I=\{i_1,i_2,...,i_T\} I={i1​,i2​,...,iT​} 表示状态序列， O = { o 1 , o 2 , . . . , o N } O=\{o_1,o_2,...,o_N\} O={o1​,o2​,...,oN​} 为对应的观测序列。

监督学习方法

假设给定训练集包含了观测序列$O$和状态序列$I$（长度均为$T$），即 { ( O 1 , I 1 ) , ( O 2 , I 2 ) , . . . , ( O S , I S ) } \{(O_1,I_1),(O_2,I_2),...,(O_S,I_S)\} {(O1​,I1​),(O2​,I2​),...,(OS​,IS​)}。那么模型$\lambda =(\pi ,A,B)$参数的求得可以根据伯努利大数定理的结论 “频率的极限是概率”来给出HMM的参数。

伯努利大数定理：设$\mu$是$n$次试验中A发生的次数，一次试验中A发生的概率为$p$，则对任意正数 $\epsilon$有：

$\underset{n->+\infty }{\lim }P(|\frac{\mu }{n}-p|<\epsilon )=1$

这个式子说明了，当$n$趋近于无穷的时候，频率等于概率。那么以下直接写出模型参数。

（1）、${\overline{\pi }}_i=\frac{A_i}{\sum _{i=1}^N{A}_i}$

其中 $A_i$表示初始时刻$t=1$，状态为$q_i$的频数。

（2）、${\overline{a}}_{ij}=\frac{A_{ij}}{\sum _{j=1}^N{A}_{ij}}$

其中 $A_{ij}$表示时刻$t$状态为$q_i$到时刻$t+1$状态为$q_j$的频数。

（3）、${\overline{b}}_i(k)=\frac{B_{ik}}{\sum _{k=1}^M{B}_{ik}}$

其中 $B_{ik}$ 表示$t$ 时刻，状态为$q_i$观测为$v_k$ 的频数。

Baum-Welch算法

Baum-Welch算法其实就是EM算法，用来求HMM，下面统统用EM来说。
如果训练数据只有观测序列而没有状态序列，即 { O 1 , O 2 , . . . , O S } \{O_1,O_2,...,O_S\} {O1​,O2​,...,OS​} 此时HMM的学习就得使用EM算法了，这是非监督学习。

通常，如果给定数据和已经模型，那么求模型参数我们会用极大似然估计法，但是如果变量中含有隐变量，无法用极大似然求解（对数式子里面有求和，难以求出解析解），此时就可以使用EM算法。考虑HMM，观测序列 $O$ 是显变量，而状态变量$I$ 则是隐变量，所以HMM实际上是含有隐变量的概率模型

$P(O|\lambda )=\sum _{I}P(O|I,\lambda )P(I|\lambda )$

所以可以使用EM算法来求得模型参数，关于EM算法参考从极大似然估计推出EM算法。

关于EM算法流程，有多个版本，但是仔细学习可以发现是大同小异的，以下使用《统计学习方法》上介绍的EM算法流程。

首先，给定参数初值${\lambda }_0=({\pi }_0,A_0,B_0)$
E步：写 $Q$ 函数

$Q(\lambda |\overline{\lambda })=\sum _{I}P(I|O,\overline{\lambda })logP(O,I|\lambda )=\sum _I\frac{P(O,I|\overline{\lambda })}{P(O|\overline{\lambda })}logP(O,I|\lambda )$

由于 $P(O|\overline{\lambda })$ 是个常数，将其去掉得到：

$Q(\lambda |\overline{\lambda })=\sum _{I}P(O,I|\overline{\lambda })logP(O,I|\lambda )$

又因为$P(O,I|\lambda )={\pi }_{i_1}{b}_{i_1}(o_1)a_{i_1{i}_2}...a_{i_{T-1}{i}_T}{b}_{i_T}(o_T)={\pi }_{i_1}\prod _{t=1}^{T-1}{a}_{i_t{i}_{t+1}}\prod _{t=1}^T{b}_{i_t}(o_t)$ （关于这个式子 在这篇概率计算问题：前后向算法推导中，直接计算方法中介绍了，实际是根据贝叶斯网络和HMM假设得出），带入到$Q$ 函数中，得到：

$$\begin{gathered} Q(\lambda |\overline{\lambda })=\sum _{I}P(O,I|\overline{\lambda })log[{\pi }_{i_1}\prod _{t=1}^{T-1}{a}_{i_t{i}_{t+1}}\prod _{t=1}^T{b}_{i_t}(o_t)] \\ =\sum _{I}log{\pi }_{i_1}P(O,I|\overline{\lambda })+\sum _I(\sum _{t=1}^{T-1}log{a}_{i_t{j}_{t+1}})P(O,I|\overline{\lambda })+\sum _I(\sum _{t=1}^{T}log{b}_{i_t}(o_t))P(O,I|\overline{\lambda }) \end{gathered}$$

注意到这个式子三项是分别关于${\pi }_i,a_{ij}和b_j(k)$的，只需要分别计算即可。

（1）、求 $\pi$

$\sum _{I}log{\pi }_{i_1}P(O,I|\overline{\lambda })=\sum _{I}log{\pi }_{i_1}P(O,i_1,i_2,...,i_T|\overline{\lambda })$

如果我们将这个式子完全展示的话，$\sum _I$实际上是$T$层求和，分别关于$i_1，i_2,...,i_T$的取值，均有$N$种取值。$i_1$有$N$种取值，那么$log{\pi }_{i_1}$也是$N$种取值，方便起见假设$i_1=q_5$，那么$P(O,q_5,i_2,...,i_T|\overline{\lambda })$不管有多少种取值，展开后求和关于为$log{\pi }_5$的项为$log{\pi }_5[\sum _{i_2,...,i_T}P(O,q_5,i_2,...,i_T|\overline{\lambda })]$，根据全概率公式（将$i_2,...,i_T$看成一项即可）得到
$[\sum _{i_2,...,i_T}P(O,q_5,i_2,...,i_T|\overline{\lambda })]=P(O,q_5|\overline{\lambda })$，所以展开后求和关于为$log{\pi }_5$的项为$log{\pi }_{5}P(O,q_5|\overline{\lambda })$ ，所以有：

$$\begin{gathered} \sum _{I}log{\pi }_{i_1}P(O,I|\overline{\lambda })=\sum _{I}log{\pi }_{i_1}P(O,i_1,i_2,...,i_T|\overline{\lambda }) \\ =\sum _{i=1}^{N}log{\pi }_{i}P(O,i_1=i|\overline{\lambda }) \end{gathered}$$

其中 $i_1=i$也就是$i_1=q_i$,只是为了方便才那样写了。

注意到：$\sum _{i=1}^N{\pi }_i=1$，构造拉格朗日函数

$L=\sum _{i=1}^{N}log{\pi }_{i}P(O,i_1=i|\overline{\lambda })+\alpha [\sum _{i=1}^N{\pi }_i-1]$

对${\pi }_i$求导，令导数为0

$\frac{\partial L}{\partial {\pi }_i}=\frac{P(O,i_1=i|\overline{\lambda })}{{\pi }_i}+\alpha =0$
$=>P(O,i_1=i|\overline{\lambda })=-\alpha {\pi }_i$ （1）
两边求和($\sum _{i=1}^N$)
$-\alpha =\sum _{i=1}^{N}P(O,i_1=i|\overline{\lambda })=P(O|\overline{\lambda })$，带入到（1）式，得到：

${\pi }_i=\frac{P(O,i_1=i|\overline{\lambda })}{P(O|\overline{\lambda })}$

（2）、求 $a_{ij}$

同样地 第二项：
$\sum _I(\sum _{t=1}^{T-1}log{a}_{i_t{j}_{t+1}})P(O,I|\overline{\lambda })=\sum _{i=1}^N\sum _{i=1}^N\sum _{t=1}^{T-1}log{a}_{ij}P(O,i_t=i,i_{t+1}=j|\overline{\lambda })$

约束条件是 $\sum _{j=1}^N{a}_{ij}=1$，同样使用拉格朗日乘子法得到：

$a_{ij}=\frac{\sum _{t=1}^{T-1}P(O,i_t=i,i_{t+1}=j|\overline{\lambda })}{\sum _{t=1}^{T-1}P(O,i_t=i|\overline{\lambda })}$

（3）、求 $b_j(k)$

同样地，第三项：

$\sum _I(\sum _{t=1}^{T}log{b}_{i_t}(o_t))P(O,I|\overline{\lambda })=\sum _{i=1}^N\sum _{t=1}^{T}log{b}_i(o_t)P(O,i_t=i|\overline{\lambda })$

约束条件是$\sum _{k=1}^M{b}_i(k)=1$，还是使用拉格朗日乘子法，得到

$b_i(k)=\frac{\sum _{t=1}^{T}P(O,i_t=i|\overline{\lambda })I(o_t=v_k)}{\sum _{t=1}^{T}P(O,i_t=i|\overline{\lambda })}$

$I(o_t=v_k)$为指示函数，$I(true)=1,I(false)=0$，因为只有在$o_t=v_k$时候，$b_i(o_t)$对$b_i(k)$求导才不为0。

在概率计算问题：前后向算法推导中，最后推导了一些结论，直接用在这里来表示这些模型参数吧。

${\pi }_i={\gamma }_1(i)$

$a_{ij}=\frac{\sum _{t=1}^{T-1}{\xi }_t(i,j)}{\sum _{t=1}^{T-1}{\gamma }_t(i)}$

$b_i(k)=\frac{\sum _{t=1,o_t=v_k}^T{\gamma }_t(i)}{\sum _{t=1}^T{\gamma }_t(i)}$