隐马尔科夫模型（HMM）的学习笔记

       被隐马尔科夫模型整了一个星期，刚发现这个视频讲的不错，https://www.bilibili.com/video/av32471608/?p=3，B站上 ：机器学习-白板推导系列-马尔科夫模型HMM（Hidden Markov Model）。

1.一个模型， 

   :代表的是初始概率；

   A：代表的是转移矩阵，;

   B：代表的是发射矩阵，;

2.两个假设：

   齐次马尔科夫：即任意时刻的隐藏状态只依赖于它的前一个隐藏状态,

   观察独立：即任意时刻的观察状态只仅仅依赖于当前时刻的隐藏状态，

3.三个问题

    Evalution :given ,求解 ,用“向前向后算法解决”；

    learning :   ,估计模型参数的参数，使该模型下测试序列的条件概率最大。要用到基于EM算法的鲍姆-韦尔奇算法。

    decoding: 给定模型，和观察序列，求 给定观测序列条件下，最可能出现的对应的状态序列，这个问题的求解用到动态维特比算法。