机器学习算法（九）EM和贝叶斯网络的结合 HMM模型

1、隐马尔可夫HMM模型

一个隐马尔可夫模型可以表示为

$$\lambda=\{A,B,\pi\}$$ 具体就不说了，比较基本。

2、HMM模型的三个基本问题

1、概率计算问题：给定$\lambda$和观测序列$\{x_{i}\}$,求$P(x_{i}| \lambda)$。主要方法是前向计算法或后向计算法

2、学习算法问题：对于给定的一个观察值序列，调整参数λ，使得观察值出现的概率p(σ|λ)最大
a.有隐变量,有监督时：HMM
b.有隐变量，无监督：Baum-Welch
c.无隐变量：大数定理

3、预测算法：对于给定模型和观察值序列，求可能性最大的状态序列
主要方法是Viterbi译码法