HMM--隐马尔可夫链的学习小结

参考链接：https://www.cnblogs.com/lijieqiong/p/5158198.html
参考链接：https://www.cnblogs.com/skyme/p/4651331.html

先简单回顾一下马尔可夫链的含义——即在一个状态序列中，当前状态只与其前一个状态有关。
而隐马尔可夫链则是多了一个隐含状态。每一个隐含状态会产生一个可见状态，这个过程的概率称为输出概率。从一个隐含状态转化到下一个隐含状态，这个过程的概率称为转换概率。隐含状态的发生概率称为起始概率。
举例，从一个女生发朋友圈的活动，{在家看书，逛公园，去超市}，推测天气，{晴天，下雨}。
在这个例子中，隐含状态是天气，可见状态是女生的活动，天气的概率为起始概率，如P(雨)=0.7，P(晴)=0.3；当前天气->下一天的天气为转换概率，如第一天晴，第二天下雨的概率为0.4；天气->活动的概率为输出概率，如下雨天去超市的概率为0.2。
HMM模型，可以应用于语音识别，对于一个语音状态序列（可见状态），预测文字信息（隐含状态）。（待续）