一、馬爾可夫
簡單的來說，馬爾可夫過程就是說當前的狀態僅和上乙個狀態有關，它是一種2-gram模型
二、hmm(hiden markov model) 隱含馬爾可夫模型
描述：hmm是乙個時間序列問題。
hmm主要有兩個矩陣和兩個序列，首先有 n 個狀態 si , 每個狀態可以產生 m 個觀測值 vj , 狀態和狀態之間又乙個狀態轉移矩陣anxn = [ aij ]，狀態和觀測值之間有乙個觀測概率矩陣 bnxm = [bij], 然後還有乙個最初的狀態概率 ∏，根據這些條件我們可以解決下面三個問題
1、概率問題，某個觀測序列出現的概率
我們知道最初的狀態的概率∏，狀態轉移矩陣，觀測概率矩陣，可以求出某個觀測序列出現的概率，主要有兩種方法，前向法和後項法。
假設前向法：
從最初的狀態（∏）開始求出 觀測結果為 v1 的概率， 也就是每乙個狀態都會產生 v1，
在產生出 v1 的情況下，去求下一步產生出v2 的概率，前乙個時間每個狀態都可以轉移到當前時間的狀態，而當前狀態主要產生v2, 形成乙個樹狀結構
直到最後狀態t， 將所有產生vt的概率累加，即得 觀測序列 （v1， v2 ... vt）的概率。
後向演算法：
與前向類似，前向是從最初狀態（∏）開始出發，後向是從最後的狀態，原理差不多。
2、學習問題：已知觀測序列，估計模型引數
沒看懂
3、**問題：已知觀測序列和模型引數，求概率最大的狀態序列
這裡和第乙個問題 求概率問題挺像的，只不過需要記錄一下每乙個當前狀態的前驅，便於最後回溯。
隱含馬爾可夫 隱含狀態 隱含的危險
隱含馬爾可夫 隱含狀態 本文是對前幾天我讀到的 未經學習的青年程式設計師 文章的回應 如果您之前花一些時間閱讀它會更好，但是對於 屬於我的那些 懶惰的人，這裡是乙份簡短的簡歷。作者似乎是一位經驗豐富的軟體開發人員。他觀察到，當他要求其他初級開發人員執行某些操作時，結果通常不是他期望的。為了說明他的觀...
隱含馬爾可夫模型的訓練
關於隱含馬爾可夫模型有三個基本的問題 1 給定乙個模型，如何計算某個特定的輸出序列的概率 2 給定乙個模型和某個特定的輸出序列，如何找到最可能產生這個輸出的狀態序列 3 給定足夠量的觀測資料，如何估計隱含馬爾可夫模型的引數。第乙個問題的對應演算法是forward backwark演算法。可以參考 華...
機器學習（10）隱馬爾可夫模型
多一條公式，少一半讀者 霍金 飲水不忘挖井人，感謝知乎上關於隱馬爾可夫的回答。這裡分兩部分，第一部分是隱馬爾可夫模型 像 什麼，第二部分是實際應用中，隱馬爾可夫模型的三類問題。第一部分 有一款遊戲，裡面有個角色，職業是戰士，戰士有三種狀態 正常狀態，狂暴狀態，防禦狀態。戰士戰鬥只有兩種動作 平a和格...