浅析隐马尔可夫模型(三)

前面两篇文章写了关于HMM的概率计算问题以及学习问题。这篇文章讲下HMM的预测问题。

预测问题

假设有观测数据O和HMM模型参数,求在该条件下最有可能出现的状态序列I。即求,由于分母是个常数,所以也可以表示为:

其实我们可以把这个问题看成是一个概率图模型,通过求图的最佳路径(路径概率值加[......]

Read more

浅析隐马尔可夫模型(二)

上一篇文章中讲到了HMM中的概率计算问题。概率计算问题是HMM三个问题中最简单的一个。这篇文章主要讲HMM学习算法。HMM的学习算法是最核心的,也是最难的。

学习问题

学习问题就是用一个算法来训练数据,最终“学习”出HMM模型三要素:。根据训练数据中观测序列有没有对应的状态序列,我们又可以把学习[......]

Read more

浅析隐马尔可夫模型(一)

隐马尔可夫模型(HMM)是一种统计学模型,常应用于一些标注问题上面,在自然语言处理、语音识别上应用比较多。它描述的是由一个隐藏的马尔可夫链随机生成不可观察的状态序列,每个状态再生成一个可观测的随机序列,因此,HMM通常是一个生成模型。

一个HMM模型由三个参数表示,初始状态概率向量,状态转移概[......]

Read more

分类决策树(python实现)

决策树是一个简单易用的机器学习算法,具有很好的实用性。在风险评估、数据分类、专家系统中都能见到决策树的身影。决策树其实是一系列的if-then规则的集合,它有可读性良好,分类速度快等优点。

我们可以把决策树看成是一些if-then规则的集合,在每一层树上根据属性的值判断走势,知道遇到叶节点,叶[......]

Read more