HMM（隱馬爾科夫模型）學習一

由於需要，最近需要學習下中文自然語言處理，先從最基本的隱馬爾可夫模型學習。

一.介紹

在海邊，通常我們可以通過觀察海藻的狀態（濕潤/乾燥）來**第二天的天氣，但是，這種**並不是肯定的，比如濕潤並不代表一定有雨，乾燥也並不代表一定天晴，這些都是由一定概率的。同時，我們得出的天氣結論是通過海藻這個條件間接得到的。這種推斷是基於概率、間接得出結論的。

二.生成模型

（1）確定性模式

在介紹中提到，海藻的狀態和天氣之間的聯絡是基於一定概率的，如果這個概率是1，那麼可以認為是是確定性模型，比如我們通常情況下遇到的交通燈（黃\綠\紅三色），每乙個顏色總和前面乙個顏色確定相關，因此交通燈狀態的生成可以認為是乙個確定性模式。

（2）非確定性模式

假設天氣有多雲\晴\雨天等狀態，那麼每一天的天氣並不能由前一天的天氣唯一確定，比如昨天是大晴天，我們只能說今天有較高概率（比如60%）是晴天，因此這種生成模型是非確定模式。

通常情況下，我們可以根據經驗係數（個人覺得比較重要）來確定各個狀態之間的轉換概率，比如多雲\晴\雨天三個，可以由以下轉換概率矩陣表示他們之間的關係：

截自：一般情況下，根據以上矩陣和昨天的天氣我們可以計算出今天的天氣情況分布，但是前提是我們需要給出昨天的天氣情況，這稱為初始化概率向量，比如昨天是晴天，則初始化概率向量pi為（1.0,0.0,0.0），則用pi乘以轉移概率矩陣，就可以得到今天的天氣狀況概率為（0.5,0.375,0.125）。

注意：不要別介紹帶偏了，個人覺得這裡的生成模式均是幾個狀態之間的轉換，並未考慮間接的條件轉換。同時需要注意的時，在整個馬爾科夫模型生命週期中，狀態轉移矩陣並不產生變化，因為這是根據先驗知識得出的。