对hmm的认识

hmm:隐马尔科夫

使用hmm的方法:

  1. 首先定义一些隐藏状态。
  2. 然后定义initial probability,也就是隐藏状态的初始概率。
  3. 接下来定义transition probability,也就是隐藏状态的转移概率,可以用矩阵表示,其中矩阵先行后列。矩阵是m*m的,其中m表示隐藏状态的数量。
  4. 接下来定义emission/observation probability,也就是观察矩阵,用m*o的矩阵表示,其中m是隐藏状态的数量,o是可能观察到的状态的数量。emission/observation 矩阵告诉了给定一个可以观察到的状态,现在是哪个隐藏状态的概率。
  5. 接下来就是给定一组可观察到的序列值,如何求出隐藏状态,通常使用viterbi算法。

以上就是使用hmm的方法。

你可能感兴趣的:(机器学习)