隱馬爾科夫模型
隱馬爾可夫模型從馬爾科夫鏈引申過來，是求解狀態的常用模型，我們首先來總結一下馬爾科夫鏈，馬爾科夫隨機場，以及概率圖模型的相關知識。
馬爾科夫鏈
馬爾科夫鏈說白了就是乙個chains 乙個事件接乙個事件的發生，在馬爾科夫鏈中，乙個重要的假設就是當前時刻發生的事件只與前一時刻的事件有關，而與再之前的事件沒有關係，這個就是最本質的馬爾科夫性質，使用公式表示如下
上式中s代表了每乙個時刻的狀態
馬爾科夫隨機場(markov random field)
馬爾科夫場和馬爾科夫鏈的區別就是馬爾科夫鏈是事件序列上發生的，而馬爾科夫場是在空間上的馬爾科夫過程
隱馬爾可夫模型(hidden markov model)
隱馬爾可夫是乙個經典的統計學習方法，在李航老師的《統計機器學習》中有系統的說明，這一點需要檢討自己，先前我一直沒有注意到這本書是有這個機器學習模型的，隱馬爾可夫模型屬於生成模型（相對應的是判別模型），這樣的生成模型能夠處理機器學習裡面的標註問題。
隱馬爾可夫模型描述由隱藏的馬爾科夫鏈隨機生成觀測序列的過程。隱馬爾可夫模型在語音識別、自然語言處理、生物資訊、模式識別等領域均有廣泛的應用。
通俗的理解隱馬爾可夫模型可以參考知乎上的乙個熱門回答，答主將隱馬爾可夫模型看出是乙個使用不同的骰子（四面，六面，八面）擲骰子的過程。在答主的說明中，他將骰子擲出的結果看成是可觀測序列，隱藏狀態是使用的哪一種骰子，這樣很容易使用乙個單鏈的馬爾科夫模型解釋，如下圖（引自知乎，原貼可移步 如何用簡單易懂的例子解釋隱馬爾可夫模型？ - yang eninala的回答 - 知乎
在圖中可以看出方框表示的藍色鏈條就是隱藏狀態鏈，紅色的原型數字即為擲出的數字，是因馬爾科夫模型中的可見狀態鏈。通俗解釋，隱馬爾可夫模型無外乎幾個需要求解的問題，詳細的通俗解釋請移步上文的知乎鏈結，在下文中我將給出詳細的數學表示。
根據上述的骰子例子，構建隱馬爾可夫模型需要模型的可見狀態鏈和隱藏狀態鏈就可以構建出完整的模型。
上式中qq是隱藏狀態鏈，vv是可見觀測鏈
但是現實是，當我們知道存在這兩個鏈時我們就可拿模型來套了——通常我們不能同時掌握兩者，需要將其中的乙個鏈作為模型的解。所以更進一步的，我們需要構建不同的資料來解釋這個模型，數學家給出了三個量即觀測概率矩陣bb，狀態轉移概率矩陣aa，初始狀態ππ，掌握了這三個矩陣就能夠表示整個隱馬爾可夫模型：
隱馬爾科夫模型HMM
我們通常都習慣尋找乙個事物在一段時間裡的變化規律。在很多領域我們都希望找到這個規律，比如計算機中的指令順序，句子中的詞順序和語音中的詞順序等等。乙個最適用的例子就是天氣的 首先，本文會介紹聲稱概率模式的系統，用來 天氣的變化 然後，我們會分析這樣乙個系統，我們希望 的狀態是隱藏在表象之後的，並不是我...
隱馬爾科夫 HMM 模型
隱馬爾科夫 hidden markov model 模型是一類基於概率統計的模型，是一種結構最簡單的動態貝葉斯網，是一種重要的有向圖模型。自上世紀80年代發展起來，在時序資料建模，例如 語音識別 文字識別 自然語言處理等領域廣泛應用。隱馬爾科夫模型涉及的變數 引數眾多，應用也很廣泛，以至於很多人不明...
HMM隱馬爾科夫模型
問題 講講hmm隱馬爾科夫模型 1 隱馬爾科夫模型是關於時序的概率模型，是由乙個隱藏的馬爾科夫鏈隨機生成不可觀測的隨機狀態序列，並由各個狀態生成乙個觀測而產生觀測隨機序列的過程。統計學習方法 cha10 概念解釋 馬爾可夫鏈 一階馬爾可夫過程，即未來狀態僅與當前狀態有關，與過去無關。馬爾可夫過程 狀...