矩阵矢量化操作代替循环

1. 背景

根据隐马尔可夫模型中的前项算法和后向算法，计算观测序列概率

2. 前向算法

2.1前向算法公式

① 初值,计算第一个时间点处于各隐状态的概率

② 递推

③终止

2.2. 代码设计

def _alpha(hmm, obs, t):
    # 计算时刻t各个状态的前向概率
    b = hmm.B[:, obs[0]]
    alpha = np.array([hmm.S * b])  # n*1
    for i in range(1, t + 1):
        # 同样的这样写，大大简化了代码
        alpha = (alpha @ hmm.A) * np.array([hmm.B[:, obs[i]]]) # @代表矩阵乘法
    return alpha[0]


def forward_prob(hmm, obs):
    # 前向算法计算最终生成观测序列的概率, 即各个状态下概率之和
    alpha = _alpha(hmm, obs, len(obs) - 1)