零基础超简单入门隐马尔可夫模型

建议在jupyter notebook中运行，ipynb文件点此下载。

隐马尔科夫模型是对时序信号处理的一把好手。

1. https://hmmlearn.readthedocs.io/en/latest/tutorial.html#

2. https://zhuanlan.zhihu.com/p/85454896

3. https://blog.csdn.net/Andy_shenzl/article/details/107861973

4. https://zhuanlan.zhihu.com/p/51418002

导入必要的库

 import numpy as np 
 from hmmlearn import hmm

定义数据和说明

 states = ["box 1", "box 2", "box3"]
 n_states = len(states)
 ​
 observations = ["red", "white"]
 n_observations = len(observations)
 ​
 start_probability = np.array([0.2, 0.4, 0.4])
 ​
 transition_probability = np.array([
   [0.5, 0.2, 0.3],
   [0.3, 0.5, 0.2],
   [0.2, 0.3, 0.5]
 ])
 ​
 emission_probability = np.array([
   [0.5, 0.5],
   [0.4, 0.6],
   [0.7, 0.3]
 ])

上述代码中，states表示有三个隐藏变量，这里假设是box，而观测到的状态，其实是box里面的不同颜色的球，可以是red，也可以是white。

每个box里面的不同颜色的球比例不一样。这个比例则通