【493】隐马尔可夫模型

参考：[通俗理解]贝叶斯定理和隐马尔可夫模型

1. HMM学习最佳范例一：介绍 - 52nlp
2. HMM学习最佳范例二：生成模式 - 52nlp
3. 图解隐马尔可夫模型（HMM）

---

晴天会影响Bob的心情，happy或者grumpy。如何通过连续几天Bob的心情来判断这连续几天的天气情况。通过隐马尔可夫模型来计算。

转移概率与发射概率如下：

隐含状态之间是转移概率，就是从晴天到晴天、晴天到阴天、阴天到晴天、阴天到阴天的概率

隐含状态和可见状态之间是发射概率，就是晴天到心情好、晴天到心情差、阴天到心情好、阴天到心情差

 

晴天与阴天的概率通过统计来获取：

 

 

可能的组合如下：

分别按照如下方法计算概率：

• 首先是晴天的概率：0.67
• 晴天导致happy的概率：0.8
• 晴天的下一天是阴天的概率：0.2
• ...
• 将所有这些概率相乘可以得到这种组合发生的概率
• 结果就是：0.02048

 

 

 其他计算方法相似，计算8个结果，选择概率最大的组合。

---

 

 Viterbi Algorithm

每次找到之前最大概率的部分，依次类推，最终从最开始就选择最优路径

 

 

依次计算