隐马尔可夫模型HMM(一)
摘自
1.李航的《统计学习方法》
2.https://www.cnblogs.com/pinard/p/6945257.html
了解HMM模型
1.隐马尔可夫模型的定义
隐马尔可夫模型是关于时序的概率模型,该模型是由隐藏的马尔可夫链生成不可观测的状态序列,再由各个状态序列生成一个观测序列的过程。
(1)状态序列,I。隐藏的马尔可夫链随机生成的状态序列。
(2)观测序列,O。由各个状态生成的观测序列。
2.隐马尔可夫模型的三要素
(1)初始状态概率向量,π。
(2)状态转移矩阵,A。
(3)观测概率矩阵,B。
3.隐马尔可夫的三个基本问题
(1)概率计算问题。给定模型λ(A,B,π)和观测序列O=(o1,o2,o3...),计算在模型λ下观测序列O出现的概率P(O|λ)。
(2)学习问题。已知观测序列O=(o1,o2...),估计模型λ(A,B,π)的参数,使得在该模型下观测序列概率P(O|λ)最大。用极大似然估计解决。
(3)预测问题,也称为解码问题。已知模型λ(A,B,π),和观测序列O=(o1,o2,o3...),求给定观测序列,条件概率P(I|O)最大的状态序列I,即给定观测序列,求最有可能的对应的状态序列。
4.Example
假设有4个盒子,每个盒子有红、白两种颜色的球,如表格所示。
盒子 |
1 | 2 | 3 | 4 |
红球数 | 5 | 3 | 9 | 2 |
白球数 | 5 | 1 | 1 | 8 |
- 首先从4个盒子等概率选取一个盒子,然后从盒子里面选取一个球,记录其颜色,然后放回;最后得到的球的颜色序列就是观测序列。O(o1,o2,...,oi,...on)
- 然后选取下一个盒子,从里面选取一个球,记录其颜色oi,然后放回;假设从盒子1跳到盒子2,然后一直跳了n次。则盒子序列就为状态序列。I(1,2,3,4,.....4)
- 重复上一个步骤n次。
初始选取盒子为初始概率分布 π
π=(0.25, 0.25, 0.25, 0.25)T
假设盒子的跳转规则如下(看不到隐藏的)
盒子1到盒子1,2,3,4的概率分别为(0, 1, 0, 0)
盒子2到盒子1,2,3,4的概率分别为 (0.4, 0, 0.6, 0)
盒子3到盒子1, 2, 3,4的概率分别为 (0, 0.4, 0, 0.6)
盒子4到盒子1,2,3,4的概率分别为 (0, 0, 0.5, 0.5)
则状态转移矩阵为A为
观测概率(在各个盒取各个颜色球的概率)
(1)已经抽了两次球,观测集合V={红,白},求观测序列 O={红,白,红}的概率,即P(O|λ),则此问题为概率计算问题,这个问题最简单。
(2)学习问题。假设有观测序列或者有观测序列和对应的状态序列,求参数λ,此问题为学习问题,这个问题最复杂。
(3)预测问题。给定模型参数λ(A,B,π), 观测到取到球的结果为 O = {红,白,红,白},预测一下最有可能的盒子序列I,即每个球都是从哪个盒子取出来的。
隐马尔可夫模型HMM(一)的更多相关文章
- 基于隐马尔科夫模型(HMM)的地图匹配(Map-Matching)算法
文章目录 1. 1. 摘要 2. 2. Map-Matching(MM)问题 3. 3. 隐马尔科夫模型(HMM) 3.1. 3.1. HMM简述 3.2. 3.2. 基于HMM的Map-Matchi ...
- 隐马尔科夫模型HMM学习最佳范例
谷歌路过这个专门介绍HMM及其相关算法的主页:http://rrurl.cn/vAgKhh 里面图文并茂动感十足,写得通俗易懂,可以说是介绍HMM很好的范例了.一个名为52nlp的博主(google ...
- 猪猪的机器学习笔记(十七)隐马尔科夫模型HMM
隐马尔科夫模型HMM 作者:樱花猪 摘要: 本文为七月算法(julyedu.com)12月机器学习第十七次课在线笔记.隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来 ...
- 隐马尔科夫模型HMM(二)前向后向算法评估观察序列概率
隐马尔科夫模型HMM(一)HMM模型 隐马尔科夫模型HMM(二)前向后向算法评估观察序列概率 隐马尔科夫模型HMM(三)鲍姆-韦尔奇算法求解HMM参数(TODO) 隐马尔科夫模型HMM(四)维特比算法 ...
- 隐马尔科夫模型HMM(一)HMM模型
隐马尔科夫模型HMM(一)HMM模型基础 隐马尔科夫模型HMM(二)前向后向算法评估观察序列概率 隐马尔科夫模型HMM(三)鲍姆-韦尔奇算法求解HMM参数(TODO) 隐马尔科夫模型HMM(四)维特比 ...
- 隐马尔科夫模型HMM(三)鲍姆-韦尔奇算法求解HMM参数
隐马尔科夫模型HMM(一)HMM模型 隐马尔科夫模型HMM(二)前向后向算法评估观察序列概率 隐马尔科夫模型HMM(三)鲍姆-韦尔奇算法求解HMM参数(TODO) 隐马尔科夫模型HMM(四)维特比算法 ...
- 隐马尔科夫模型HMM(四)维特比算法解码隐藏状态序列
隐马尔科夫模型HMM(一)HMM模型 隐马尔科夫模型HMM(二)前向后向算法评估观察序列概率 隐马尔科夫模型HMM(三)鲍姆-韦尔奇算法求解HMM参数 隐马尔科夫模型HMM(四)维特比算法解码隐藏状态 ...
- 用hmmlearn学习隐马尔科夫模型HMM
在之前的HMM系列中,我们对隐马尔科夫模型HMM的原理以及三个问题的求解方法做了总结.本文我们就从实践的角度用Python的hmmlearn库来学习HMM的使用.关于hmmlearn的更多资料在官方文 ...
- HMM:隐马尔可夫模型HMM
http://blog.csdn.net/pipisorry/article/details/50722178 隐马尔可夫模型 隐马尔可夫模型(Hidden Markov Model,HMM)是统计模 ...
- 机器学习之隐马尔科夫模型HMM(六)
摘要 隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来描述一个含有隐含未知参数的马尔科夫过程.其难点是从可观察的参数中确定该过程的隐含参数,然后利用这些参数来作进一步 ...
随机推荐
- ACM-ICPC 2018 南京赛区网络预赛 G Lpl and Energy-saving Lamps(线段树)
题目链接:https://nanti.jisuanke.com/t/30996 中文题目: 在喝茶的过程中,公主,除其他外,问为什么这样一个善良可爱的龙在城堡里被监禁Lpl?龙神秘地笑了笑,回答说这是 ...
- JS判断手机还是电脑访问网站
function check() { let browser = navigator.userAgent;//用户访问的类型 let phone = ["Android", &qu ...
- C# Winform多窗体&&构造函数传值
一.多窗体:三种打开窗体的状态: 最最基础的弹窗: //写在按钮的点击事件内: //实例需要弹出的窗口的类: Form2 f2 = new Form2(); f2.Show(); 1.弹窗窗口: // ...
- [bzoj1717][Milk Patterns 产奶的模式]
题目链接 思路 先求出后缀数组,并且求出LCP.二分一下长度len.check的时候就是看有没有连续的k个后缀的LCP大于len.也就是判断是不是有连续的k-1个height大于len. 代码 #in ...
- 正向选择(positive selection)、中性选择(neutral selection)、平衡选择(balancing selection)示意图
正向选择:某一位点逐渐积累,成优势的位点,具体表现为:随着时间延长,该位点的突变allele频率越来越高,远远超过野生型allele: 中性选择:随着时间的延长,总体频率没有改变太多: 平衡选择:位点 ...
- Good Bye 2018 C. New Year and the Sphere Transmission
传送门 https://www.cnblogs.com/violet-acmer/p/10201535.html 题意: n 个people,编号1~n,按顺时针方向围城一圈: 初始,编号为1的peo ...
- Good Bye 2018 A. New Year and the Christmas Ornament
传送门 https://www.cnblogs.com/violet-acmer/p/10201535.html 题解: 这题没什么好说的,读懂题意就会了. 比赛代码: #include<ios ...
- 过滤富文本编辑器中的html元素和其他元素
https://blog.csdn.net/fjssharpsword/article/details/53467079 1.应用场景:从一份html文件中或从String(是html内容)中提取纯文 ...
- (二叉树 BFS DFS) leetcode 111. Minimum Depth of Binary Tree
Given a binary tree, find its minimum depth. The minimum depth is the number of nodes along the shor ...
- 原生JS实现全选和不全选
案例演示 源代码 <!DOCTYPE html> <html> <head lang="en"> <meta charset=" ...