学习隐马尔科夫HMM，通俗易懂

HMM经典应用场景：中文分词、词性标注

========================马尔和夫===================

首先，讲马尔科夫，经常听到马尔科夫链（MC）、马尔科夫随机过程，马尔科夫链是下图中的链条；马尔科夫随机过程是指链条中每个Z的取值是随机的，不确定的。

马尔科夫都具有“无后效性”的特性，只和前一个有关。

马尔科夫模型如下图：

上图模型如何形式化表示呢？

step1：表示起始；

step2：表示怎么转移，从第一个怎么到第二个，第二个怎么到第三个，……

举例，对于中文分词来说，

对于step1表示起始用概率表示，z1有2种状态可以选择，p（是）=0.1，p（不是）=0.9

对于step2用状态转移矩阵表示，每个z都有2种状态选择，是/不是

上图解释：“是”转化成“是”=0.3；“是”转化成“不是”=0.7；“不是”转化成“是”=0.7；“不是”转化成“不是”=0.3

========================隐马尔和夫（HMM）===================

隐马尔科夫模型如下图：