隱馬爾科夫模型（hidden markov model，以下簡稱hmm）是比較經典的機器學習模型了，它在語言識別，自然語言處理，模式識別等領域得到廣泛的應用。
隱馬爾可夫模型hmm
當然，隨著目前深度學習的崛起，尤其是rnn，lstm等神經網路序列模型的火熱，hmm的地位有所下降。
但是作為乙個經典的模型，學習hmm的模型和對應演算法，對我們解決問題建模的能力提高以及演算法思路的拓展還是很好的。
1.1 什麼樣的問題需要hmm模型
首先我們來看看什麼樣的問題解決可以用hmm模型。
使用hmm模型時我們的問題一般有這兩個特徵：
１）我們的問題是基於序列的，比如時間序列，或者狀態序列。
２）我們的問題中有兩類資料，一類序列資料是可以觀測到的，即觀測序列；而另一類資料是不能觀察到的，即隱藏狀態序列，簡稱狀態序列。
其是根據一些已觀察到的證據（例如訓練樣本）來對感興趣的未知變數（例如類別標記）進行估計和推測。存在狀態變數和隱藏變數
採用結構圖資訊和以下三組引數：
三個基本問題
1.如何評估模型與觀測序列之間的匹配程度？即合理產生觀測序列（正向）（mrf理論）
2.如何推斷出隱藏的模型狀態？（反向）（crf理論）
3.如何更好地評價三元引數，即訓練樣本能更好地還原？
精確推斷：變數消去法 信念傳播
近似推斷：mcmc取樣 變分推斷
隱馬爾可夫模型（HMM）
概率圖模型是一類用圖來表達變數相關關係的概率模型。它以圖為表示工具，最常見的是用乙個結點表示乙個或一組隨機變數，結點之間的邊表示變數間的概率相關關係，即 變數關係圖 根據邊的性質不同，概率圖模型可大致分為兩類 第一類是使用有向無環圖表示變數間的依賴關係，稱為有向圖模型或貝葉斯網 第二類是使用無向圖表...
HMM隱馬爾可夫模型
詞性標註演算法有claws，但是計算要計算每一條路徑，所以效率很低，所有有人提出了hmm 維特比演算法 動態規劃思想 記錄區域性最優來計算詞性標註，效率提高，markov model最開始應用在語音識別，如今，在分詞 pos標註和統計機器翻譯都得到廣泛運用。描述一類重要的隨機過程，這隨機過程是隨時間...
HMM（隱馬爾可夫模型入門）
一 基本概念 一些引數 i是長度為t的狀態序列，o是對應的觀測序列。a是狀態轉移概率矩陣 b是觀測概率矩陣 是初始狀態，其中 i p i 1 qi 綜上，馬爾科夫模型的引數組成 隱馬爾可夫模型的3個問題 最重要 接下來就講解怎麼求概率？怎麼訓練引數？怎麼解碼？上述直接計算方法顯然臺low了。我們可以...