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示變數間的相關關係，稱為無向圖模型或馬爾可夫網。
隱馬爾可夫模型是結構最簡單的動態貝葉斯網，是一種最著名的有向圖模型，主要用於時序資料建模，在語音識別、自然語言處理等領域有廣泛應用。
1.變數
如上圖所示，隱馬爾可夫模型中的變數分為兩組：
2.依賴
上圖中的箭頭表示變數間的依賴關係：
3.引數
除了結構資訊，欲確定乙個隱馬爾可夫模型還需要三組引數：
綜上，通過指定狀態空間y
\mathcal
y、觀測空間x
\mathcal
x和上述三組引數，就能確定乙個隱馬爾可夫模型，通常用其引數λ=[
a,b,
π]\lambda=[\boldsymbol,\boldsymbol,\boldsymbol]
λ=[a,b
,π]來指代。
方便理解例項可參考
在實際應用中，人們常關注隱馬爾科夫模型的三個基本問題：
另有參考：
1.機器學習（西瓜書）
隱馬爾可夫模型HMM
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...
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...