学习目标:
概率图模型学习内容:
HMM算法(隐马尔科夫模型)中的维特比算法学习记录:
维特比算法步骤:
1.初始化
2.递推
3.终止
4、最优路径回溯
解释一下:我们要得到最优路径,viterbi采用的式局部最优来解决,每一次都取时间t到时间t+1的概率最大的路径。开始要初始化,先计算t=1时的概率 δ1(1),δ1(2),δ1(3)。令φ1(1)=0,φ1(2)=0,φ1(3)=0。再计算从t=1时刻到t=2时刻每一个状态改变到下一个状态的概率(即状态转移矩阵)选出每个状态中最大的来作为φ2(i)存起来作为最佳局部路径。递推下去,终止的时候P*即为实现该最佳局部路径的概率。再最佳路径回溯回去,找到其路径。
看一个案子
这里把第一天去迪士尼,第二天还在迪士尼的概率改成0.5。
代码实现:
import numpy as np
def Viterbi(A, B, PI, V, Q, obs):
# V观测集合(买不买),Q状态集合(哪个地方)
N = len(Q)
T = len(obs)
delta = np.array([[0] * N