HMM隐马尔科夫模型学习笔记(未完)

先搞明白,是做什么的,怎么用

隐马尔可夫链

  • 可见链
  • 隐性链

隐马尔科夫三大问题

  • 知道骰子有几种(隐含状态数量),每种骰子是什么(转换概率)
    • 根据骰子投掷的结果(可见状态链),我想知道每次投掷出来的都是那种骰子(隐含状态链)
  • 知道骰子有几种(隐含状态数量),每种骰子是什么(转换概率)
    • 根据筛子投掷的结果(可见状态链),我想知道投掷出这个结果的概率
  • 知道骰子有几种(隐含状态数量),不知道每种骰子是什么(转换概率)
    • 观测到多次投掷筛子的结果(可见状态链),我想反推出每种骰子是什么(转换概率)

表达成公式

  • Evaluation(求概率): Given the observation sequence O = O 1 O 2 . . . O T O = O_1 O_2...O_T O=O1O2...OT and a model λ = ( A , B , π ) \lambda = (A,B,\pi) λ=(A,B,π), how do we efficiently compute P ( O ∣ λ ) P(O|\lambda) P(Oλ), i.e., the probability of the observation sequence given the model
  • Recognition(识别): Given the observation sequence O = O 1 O 2 . . . O T O = O_1 O_2...O_T O=O1O2...OT and a model λ = ( A , B , π ) \lambda = (A,B,\pi) λ=(A,B,π), how do we choose a corresponding state sequence Q = q 1 q 2 . . . q T Q = q_1 q_2...q_T Q=q1q2...qT which is optimal in some sense, i.e., best explains the observations
    • Witerbi Algo 算法解决
  • Training(训练): Given the observation sequence O = O 1 O 2 . . . O T O = O_1 O_2...O_T O=O1O2...OT, how do we adjust the model parameters λ = ( A , B , π ) \lambda = (A,B,\pi) λ=(A,B,π) to maximize P ( O ∣ λ ) P(O|\lambda) P(Oλ)
    • Baum-Welch Algo,

求解过程

没懂。。。

使用demo

。。。

参考

  • bilibili视频链接: https://www.bilibili.com/video/av21452290/?p=5
    • 对应的课件: https://github.com/GrayPaul/npl_class_NPLyingyong
  • 最好能够找到英文的PPT

你可能感兴趣的:(算法与数据结构)