引言
想简单点，没这么复杂，上一篇，我们说天气就是马尔可夫模型，因为明天的天气只能今天有关，而跟之前的前天无关。
一言以蔽之
你在中国，那美国的天气就是隐马尔可夫模型，因为你不知道美国的天气，可是你知道其他条件，你有朋友在美国，他要么跑步，要么购物，而他的选择跟天气有关，你知道他这三天是跑步，跑步，购物，好了，描述完毕。
再一个例子，你有一女朋友，她心情好时会唱歌，心情坏时会不接你电话，但是我们知道有时不接电话并不意味着她心情不好，另外女生不会说自己心情怎么样，而且我们认为女生的心情是符合马尔可夫模型的，即今天的心情只受昨天心情的影响，好了，这一天她对你唱歌了，接下来两天，她都不接你电话，这就是隐马尔可夫模型。
三大问题
上面举了两个例子，希望你已经理解什么是隐马尔可夫模型了，我们再就天气这一例子再做探讨，了解隐马尔可夫有什么用？
隐马尔可夫模型中有三大问题需要解决，我会一一阐述。
我再把这问题详细描述一下，你在中国，你朋友F在美国，F的作息有跑步跟购物，但这选择跟天气有关，具体概率如下
P(跑步| 下雨) = 0.4
P(购物| 下雨) = 0.6
P(跑步| 晴朗) = 0.7
P(购物| 晴朗) = 0.3
然后，F这三天是跑步，跑步，购物。
问题一：{跑步，跑步，购物}发现的概率是多少？
问题二：知道了{跑步，跑步，购物}，那这三天天气又如何呢？
问题三：确定模型参数的取值，使出现{跑步，跑步，购物}的概率最大
三个问题对应了三个解决方案
问题一：前向法(forward algorithm)，是一种动态规划的方法，用来减少程序运算的复杂度
问题二：维特比算法(Viterbi algorithm)，也是一种动态规划的方法，用来找到最可能的状态路径
问题三：Baum-Welch算法，通过给定一个序列，不断估算一个适合的lambda参数，使发生该序列的概率最大
I get what I want from blogs, but I a waste of a lots time. The blog which is really easy to understand is hard to find, I want to improve the quality of my blog. Finally, the blog, http://www.suzker.cn/computervision/the-hmm-model.html, is really fantastic.
