马尔可夫模型和隐式马尔可夫模型

马尔可夫模型(Markov Model)是通过寻找事物状态的规律对未来事物状态进行预测的概率模型,在马尔可夫模型中假设当前事物的状态只与之前的n个状态有关

我们平时研究较多的则是一阶马尔可夫模型,主要有两个特点

1、当前状态只与上一个状态有关
2、某个时刻的观测值只与当前的状态有关

我觉得主要关注点在当前状态以及它的转移矩阵当前状态是今天为雨天的概率为0.5,转移矩阵为今天为雨天且明天为晴天的概率是0.8)

用状态一直乘以它的转移矩阵,到一定次数之后状态会趋于稳态

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。

意思就是,在隐马尔可夫模型中,转移矩阵中有些因素往往是不可见的,需要从另外一些可观测的参数中获取。比如说,我需要从观测每天早上的露珠来确定是否晴雨天(晴雨天的概率无法直接观测)

关于隐马尔可夫模型一个例子的祖传手稿,来源于知乎一个回答
隐式马尔可夫模型.jpg

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值