隱馬爾科夫模型的三個基本問題以及相應的演算法如下：
a、b：前向、後向演算法解決的是乙個評估問題，即給定乙個模型，求某特定觀測序列的概率，用於評估該序列最匹配的模型。
c：baum-welch演算法解決的是乙個模型訓練問題，即引數估計（學習），是一種無監督的訓練方法，主要通過em迭代實現；
d：維特比演算法解決的是給定 乙個模型和某個特定的輸出序列，求最可能產生這個輸出的狀態序列。如通過海藻變化（輸出序列）來觀測天氣（狀態序列），是**問題，通訊中的解碼問題。
在hmm中，在給定觀測序列和對應的狀態序列去估計模型引數，可以使用極大似然估計；如果給定觀測序列並沒有對應的狀態序列，可以使用em，將狀態序列看成不可測的隱資料。
隱馬爾可夫模型HMM
隱馬爾科夫模型 hidden markov model，以下簡稱hmm 是比較經典的機器學習模型了，它在語言識別，自然語言處理，模式識別等領域得到廣泛的應用。隱馬爾可夫模型hmm 當然，隨著目前深度學習的崛起，尤其是rnn，lstm等神經網路序列模型的火熱，hmm的地位有所下降。但是作為乙個經典的模...
隱馬爾可夫模型（HMM）
概率圖模型是一類用圖來表達變數相關關係的概率模型。它以圖為表示工具，最常見的是用乙個結點表示乙個或一組隨機變數，結點之間的邊表示變數間的概率相關關係，即 變數關係圖 根據邊的性質不同，概率圖模型可大致分為兩類 第一類是使用有向無環圖表示變數間的依賴關係，稱為有向圖模型或貝葉斯網 第二類是使用無向圖表...
HMM隱馬爾可夫模型
詞性標註演算法有claws，但是計算要計算每一條路徑，所以效率很低，所有有人提出了hmm 維特比演算法 動態規劃思想 記錄區域性最優來計算詞性標註，效率提高，markov model最開始應用在語音識別，如今，在分詞 pos標註和統計機器翻譯都得到廣泛運用。描述一類重要的隨機過程，這隨機過程是隨時間...