【统计学习算法】隐马尔可夫模型HMM

本文详细介绍了隐马尔可夫模型(HMM),包括其作为生成模型在标注问题中的应用,马尔可夫模型的参数,以及HMM的三个基本问题:概率计算、学习和预测。在学习问题中提到了监督学习和非监督学习算法,预测问题中重点讨论了维特比算法。此外,还探讨了算法复杂度及动态规划在寻找最优路径中的作用。
摘要由CSDN通过智能技术生成

隐马尔可夫模型(hidden Markov model)

是可以用于标注问题的统计学习模型,描述由隐藏的马尔可夫链生成观测序列的过程,属于生成模型。

马尔可夫模型

具有三个参数,状态集合(状态转移概率矩阵),观测集合(观测概率矩阵),初始状态概率向量。

这三个参数:
λ : N \lambda:N λ:N个参数
A : N ∗ N A:N*N A:NN 对应状态的转移
B : N ∗ M B:N*M B:N

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值