一种HMM的情景: 词性为隐变量Z,单词为状态序列X 。在 A,B,π已知的情况下,求一个句子的隐状态Z的最优路径。
VITERBI算法
前向-后项算法:
这个算法的主要作用是用来预测模型的参数 A B π
前向-后项算法的作用:
计算模型参数
结构改变的探测
数据表示:
有些特征是冗余的,还有些是噪声,有些特征对建模是无关所以需要特征提取等操作,如降维来提高模型准确率。
神经网络实质也是一种降维。
一种HMM的情景: 词性为隐变量Z,单词为状态序列X 。在 A,B,π已知的情况下,求一个句子的隐状态Z的最优路径。
VITERBI算法
前向-后项算法:
这个算法的主要作用是用来预测模型的参数 A B π
前向-后项算法的作用:
计算模型参数
结构改变的探测
数据表示:
有些特征是冗余的,还有些是噪声,有些特征对建模是无关所以需要特征提取等操作,如降维来提高模型准确率。
神经网络实质也是一种降维。