HMM--实践

文章目录

  • HMM理论补充
    • 后向算法
    • 期望
    • 学习算法
    • 利用频率估计概率
    • 预测算法
    • 插曲
  • 实践
    • 实践一
    • 实践二
    • 实践三
    • 实践四

HMM理论补充

HMM--实践_第1张图片
r是求一个时刻位于的隐状态
HMM--实践_第2张图片
HMM--实践_第3张图片
HMM--实践_第4张图片
HMM--实践_第5张图片
HMM--实践_第6张图片
HMM--实践_第7张图片

后向算法

第t个时刻位于第i号隐状态下,而后面的观测值Ot+1,Ot+2,OT
HMM--实践_第8张图片
HMM--实践_第9张图片
HMM--实践_第10张图片HMM--实践_第11张图片

HMM--实践_第12张图片
HMM--实践_第13张图片
HMM--实践_第14张图片

期望

HMM--实践_第15张图片

学习算法

HMM--实践_第16张图片
绿色可用EM算法进行。
HMM--实践_第17张图片

利用频率估计概率

HMM--实践_第18张图片

HMM--实践_第19张图片
因为算初始概率,所以统计每句话的句首时,可能是单字成词或者开始态,不可能是中间与结束字。
HMM--实践_第20张图片
HMM--实践_第21张图片
HMM--实践_第22张图片HMM--实践_第23张图片
HMM--实践_第24张图片
HMM--实践_第25张图片
HMM--实践_第26张图片
HMM--实践_第27张图片
HMM--实践_第28张图片
HMM--实践_第29张图片
HMM--实践_第30张图片
HMM--实践_第31张图片
HMM--实践_第32张图片
HMM--实践_第33张图片
HMM--实践_第34张图片
HMM--实践_第35张图片
HMM--实践_第36张图片HMM--实践_第37张图片HMM--实践_第38张图片
HMM--实践_第39张图片
HMM--实践_第40张图片
理论上没有语料库的话,可以使用EM算法求出参数lamda以及隐变量状态i,理论可行的。即使使用有监督学习得到参数,再去分词的话仍然可以得到不再词典当中的那些词也是可以分出来的。

预测算法

HMM--实践_第41张图片
HMM--实践_第42张图片
HMM--实践_第43张图片
计算想到达di行j列时候的值,可能是其相邻的值相加所得结果。如下:
HMM--实践_第44张图片
HMM--实践_第45张图片
HMM--实践_第46张图片
一个机器人某一时刻处于一个位置,他可能跳转到下一个时刻的任何一个位置,不断往后跳转,我们希望求从最初始这一列到最后这一列的最小路径或者最大路径,若给定的是一个概率值的话,我们想算最大路径,即概率最大的位置,概率最大的路径就表征了每一个时刻他可能取得隐状态。

然后求从最开始状态到最后状态的概率最大路径,这个路径即对应的是隐状态序列。
HMM--实践_第47张图片
HMM--实践_第48张图片
HMM--实践_第49张图片
HMM--实践_第50张图片
HMM--实践_第51张图片
HMM--实践_第52张图片
HMM--实践_第53张图片
HMM--实践_第54张图片
HMM--实践_第55张图片
HMM--实践_第56张图片
HMM--实践_第57张图片
HMM--实践_第58张图片

插曲

HMM--实践_第59张图片
HMM--实践_第60张图片
HMM--实践_第61张图片
HMM--实践_第62张图片
HMM--实践_第63张图片

实践

HMM--实践_第64张图片
HMM--实践_第65张图片
HMM--实践_第66张图片
HMM--实践_第67张图片
风最终的路径,就是我们所观测到的时间序列了。所以只要与时间序列有关的简单问题,如风向预测问题可以用HMM模型就可以预测。
HMM--实践_第68张图片
HMM--实践_第69张图片
HMM模型推荐的一个库的安装HMM--实践_第70张图片
给出的X1–XT这些数据,。。。表示X1可能是某个点,XT可能是某个点。是由高斯分布得到的这些数据。参数:均值与方差,则一个样本到底属于哪个类别。如下图。
HMM--实践_第71张图片
HMM--实践_第72张图片
HMM--实践_第73张图片

实践一

HMM--实践_第74张图片
HMM--实践_第75张图片
HMM--实践_第76张图片
HMM--实践_第77张图片
在这里插入图片描述
HMM--实践_第78张图片
HMM--实践_第79张图片HMM--实践_第80张图片
HMM--实践_第81张图片
HMM--实践_第82张图片
HMM--实践_第83张图片
HMM--实践_第84张图片
HMM--实践_第85张图片
HMM--实践_第86张图片
训练之后做分词:
HMM--实践_第87张图片
HMM--实践_第88张图片
HMM--实践_第89张图片
HMM--实践_第90张图片
HMM--实践_第91张图片
HMM--实践_第92张图片
HMM--实践_第93张图片

实践二

HMM--实践_第94张图片
HMM--实践_第95张图片
HMM--实践_第96张图片
HMM--实践_第97张图片
HMM--实践_第98张图片
HMM--实践_第99张图片
HMM--实践_第100张图片
HMM--实践_第101张图片
HMM--实践_第102张图片
HMM--实践_第103张图片
HMM--实践_第104张图片
HMM--实践_第105张图片
HMM--实践_第106张图片
HMM--实践_第107张图片
HMM--实践_第108张图片

实践三

在这里插入图片描述
HMM--实践_第109张图片

实践四

读取电流数据
HMM--实践_第110张图片
每个时刻有各自的电流值

HMM--实践_第111张图片
HMM--实践_第112张图片
HMM--实践_第113张图片

你可能感兴趣的:(机器学习基础算法)