例子：有放回的从N个盒子拿红白球的问题。
模型参数λ(A,B,π)，观测序列表示为O(o1,o2,…,oT)
A表示状态转移矩阵
B表示观测矩阵
π表示初始状态概率
假设目前的观测序列为（红，红，白），则T=3，其它参数如下所示：
文章图片
该例子对应的隐马尔可夫三个基本问题分别是：
1、概率计算问题
在模型参数λ(A,B,π)已知的情况下，计算得到观测序列O的概率
求解算法：前向-后向算法
2、学习问题
实际上是进行模型参数估计，只知道观测序列O，求解模型的参数，使得P(O|λ)概率值最大
求解算法：Baum-Welch算法
3、预测问题
模型参数λ(A,B,π)已知，找到能够得到观测序列O的最优隐藏状态序列，即最优路径
求解算法：维特比算法
【隐马尔可夫模型的三个基本问题（例子说明）】参考：
https://blog.csdn.net/qq_20602929/article/details/51438013#%E9%9A%90%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E6%A8%A1%E5%9E%8B%E7%9A%843%E4%B8%AA%E5%9F%BA%E6%9C%AC%E9%97%AE%E9%A2%98
推荐阅读
- paddle|动手从头实现LSTM
- 人工智能|干货！人体姿态估计与运动预测
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- Python专栏|数据分析的常规流程
- 读书笔记|《白话大数据和机器学习》学习笔记1
- Pytorch学习|sklearn-SVM 模型保存、交叉验证与网格搜索
- Python机器学习基础与进阶|Python机器学习--集成学习算法--XGBoost算法
- 深度学习|深度学习笔记总结
- 机器学习|机器学习Sklearn学习总结
- 机器学习|线性回归原理与python实现