HMM——三个基本问题"/>
第26课:HMM——三个基本问题
上一篇我们讲了什么是 HMM。
和我们之前学习过的几个模型对比,HMM 挺别扭的。其他模型都是直接把特征对应成一个结果,当然,这个结果的取值本身可以是连续的(回归模型)或者离散的(分类模型),不过整个过程里涉及到的也就是输入变量(特征)和预测结果两部分数据。
HMM 却是变量自己就分成两类:状态变量和观测变量,而且,模型的运行过程也是来来回回在这两类变量之间转圈圈,这到底有什么用呢?
三个基本问题
在实际运用中,HMM 有三个基本问题。
概率计算问题
问题名称:概率计算问题,又称评价(Evaluation)问题。
已知信息:
- 模型 $\lambda = [A, B, \pi]$
- 观测序列 $O=(o_1, o_2, …, o_T)$
求解目标:计算在给定模型 $\lambda$ 下,已知观测序列 $O$ 出现的概率:$P(O|\lambda)$。也就是说,给定观测序列,求它和评估模型之间的匹配度。
预测问题
问题名称:预测问题,又称解码(Decoding)问题。
已知信息:
- 模型 $\lambda = [A, B, \pi]$
- 观测序列 $O=(o_1, o_2, …, o_T)$
求解目标&#x
更多推荐
第26课:HMM——三个基本问题
发布评论