摘要：
上一篇博客介绍了隐马尔科夫模型的基本概念和概率计算问题。 这篇博客主要介绍马尔可夫模型的学习问题和预测问题。 一、学习算法 已知观测序列O(o1,o2,...oT),估计模型r的参数，使的观测序列O出现的概率P(O|r)最大 学习算法分为两种： （1）监督学习算法：训练数据包括观测序列（输入）和对应 阅读全文
摘要：
一、基本概念 1、马尔科夫假设：当前的状态只与之前的状态有关 2、马尔科夫过程：当前的状态只与前n个状态有关，被称为n阶马尔科夫模型。 3、马尔科夫链：可以理解为带有概率的状态转移链 3、一阶马尔科夫模型：当前的状态只与前一状态有关 （1）若有M个状态，则共有M M个状态转移 （2）转移概率：每一个 阅读全文
摘要：
一、EM算法是什么？ EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计。 作用：简单直白的说，估计参数 是一种生成模型 （1）用在概率模型中 （2）含有隐变量 （3）用极大似然估计方法估计参数 个人理解，概率模型中的一些参数，通常是一些概率： （1）如果概率模型中的变量全部可观测， 阅读全文