学习隐马尔科夫HMM，通俗易懂
HMM经典应用场景：中文分词、词性标注
========================马尔和夫===================
首先，讲马尔科夫，经常听到马尔科夫链（MC）、马尔科夫随机过程，马尔科夫链是下图中的链条；马尔科夫随机过程是指链条中每个Z的取值是随机的，不确定的。
马尔科夫都具有“无后效性”的特性，只和前一个有关。
文章图片
马尔科夫模型如下图：
文章图片
上图模型如何形式化表示呢？
step1：表示起始；
step2：表示怎么转移，从第一个怎么到第二个，第二个怎么到第三个，……
举例，对于中文分词来说，
文章图片
对于step1表示起始用概率表示，z1有2种状态可以选择，p（是）=0.1，p（不是）=0.9
【学习隐马尔科夫HMM，通俗易懂】对于step2用状态转移矩阵表示，每个z都有2种状态选择，是/不是
文章图片
上图解释：“是”转化成“是”=0.3；“是”转化成“不是”=0.7；“不是”转化成“是”=0.7；“不是”转化成“不是”=0.3
========================隐马尔和夫（HMM）===================
隐马尔科夫模型如下图：
文章图片
推荐阅读
- 由浅入深理解AOP
- 继续努力，自主学习家庭Day135(20181015）
- python学习之|python学习之 实现QQ自动发送消息
- 一起来学习C语言的字符串转换函数
- 定制一套英文学习方案
- 如何在Mac中的文件选择框中打开系统隐藏文件夹
- 漫画初学者如何学习漫画背景的透视画法（这篇教程请收藏好了！）
- 《深度倾听》第5天──「RIA学习力」便签输出第16期
- 如何更好的去学习
- 【韩语学习】（韩语随堂笔记整理）