zoukankan      html  css  js  c++  java
  • 隐马尔可夫模型

    学习资料: 《自然语言处理入门》

    隐马尔可夫模型的假设

    1. 假设1:状态序列y构成隐马尔可夫链——状态yi仅仅依赖于前一个状态yi-1
    2. 假设2:任意时刻的观测序列xi只依赖于该时刻的状态yi
    3. 隐马尔可夫模型是生成式模型,先求联合分布P(x,y),再用贝叶斯公式求P(x|y)

    如果一个场景满足1、2,则这个场景符合隐马尔可夫模型。只要求出初始状态概率向量、转移概率矩阵、发射概率矩阵,就可以确定一个模型。

    局限:正因为有该模型有2个假设,而事实上这种假设与事实并不相符,所以优势效果不是很好。

    隐马尔可夫模型的三个基本用法

    1. 样本生成:给定模型(lambda=(pi,A,B)),可以生成满足模型约束的样本对({(x^{(i)},y^{(i)})})
      随机生成
    2. 模型训练:给定训练集,估计模型参数(lambda=(pi,A,B))
      极大似然估计
    3. 序列预测:已知模型参数,给定观测序列x,求可能的状态序列y
      P(x,y)联合概率贝叶斯公式和搜索的维特比算法

    其他

    维特比算法是搜寻最小路径的算法。

  • 相关阅读:
    C++(函数默认参数)
    C++(引用六)
    C++(引用五)
    C++(引用四)
    C++(引用三)
    C++(引用二)
    C++(引用一)
    划水。。。
    2019.11.7
    lyc——2019.10.31
  • 原文地址:https://www.cnblogs.com/z1xiang/p/12679932.html
Copyright © 2011-2022 走看看