前言
本来是想了解HMM模型(隐马尔科夫模型),但是HMM是建立在MarkovModels模型的基础上,这里就简单的介绍一下马尔科夫模型,其实类似翻译啦。参考UMDHMM
概念介绍
- 可观察状态(Observable states):1,2…,N (例如天气的状态,sunny,rainy,cloudy,3中状态)
- 可观察状态序列(Observed sequence)
(PS:一般都是随时间而改变,例如day1 sunny,day2 cloudy, day3 sunny, day4 rainy)
q1, q2, … , qt, …, qT (t代表时间下标,也可以认为是序列下标) - 一阶马尔科夫假设(First order Markov assumption)
简单来说就是t时间状态为j的概率依赖前一时刻的概率。概率公式的含义就是1到t-1的可观察序列前提下
t时刻可观察状