机器学习笔记之隐马尔科夫模型(四)

预测算法

1.1 近似算法

近似算法的想法是，在每个时刻 $t$ 选择在该时刻最有可能出现的状态 $i^*_t$, 从而得到一个状态序列 $I^* = (i^*_1,i^*_2,\cdots,i^*_T)$，将它作为预测的结果.

给定隐马尔科夫模型 $\lambda$ 和观测序列 $O$，在时刻 $t$ 处于状态 $q_i$ 的概率 $\gamma_t(i)$ 是:

$$\gamma_t(i) = \frac{\alpha_t(i)\beta_t(i)}{P(O|\lambda)} = \frac{\alpha_t(i)\beta_t(i)}{\sum_{j=1}^N \alpha_t(j) \beta_t(j)}$$

在每一时刻 $t$ 最有可能的状态 $i^*_t$ 是

i∗t=argmax1≤i≤N[