alihonglong的专栏

研一零零散散用了一些统计算法，在此简单梳理下，力求用电梯演讲法则去阐述每种算法模型（这是初哀，最后，呵呵了）。但自己理解不深，还需要进一步努力。更重要的是复用了他人的智慧。

研一零零散散用了一些统计算法，在此简单梳理下，力求用电梯演讲法则去阐述每种算法思想。但自己理解不深，还需要进一步努力。更重要的是复用了前人的智慧。  统计学习概述  关于统计学习，首先推荐李航老师著作的一本书《统计学习方法》。在此引用里边一句话来定义统计学习：统计学习（statistical learning）是关于计算机基于数据构建概率模型并运用模型对数据进行预测与分析的一门学科。从

这学期起初时学习隐马知识并作词性标注练习，到年底了，简单整理总结隐马尔可夫模型是什么一下，只求还能记住点东西。隐马尔可夫模型是什么              隐马尔可夫模型（Hidden Markov Model，HMM）是一种统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。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的分析。

将尝试从词性标注领域来理解隐马尔可夫模型。基本概念隐马尔可夫模型是一种统计模型，一种机器学习方法。它主要研究这个类型问题：有一组我们可以观察到的序列符号，它背后还隐藏着了一组序列符号，我们如何求那组序列符号，及有多大的概率出现我们观察到的序列符号。对应的是一个词诩标注的例子。一个句子经过分词后是一组词序列，这是我们可以观察到的，其实在词序列的背后还有一个词性序列。比如，一个词序列“

目录前言一、何为熵1.1基本概念1.2相关定义二、最大熵2.1抽象概念2.2最大熵模型的表示2.3最大熵模型求解 前言         在自然语言处理的很多任务中，都用到了最大熵模型。用过一些工具包后，打算学习下最大熵模型的一些基本原理。重要的一份资料是网络博文《最大熵模型的数学推导》（http://blog.youkuaiyun.com/v_july_v/arti