向前、向后、和向前-向后过程的HMM r语言实现 & Viterbi algorithm vs Viterbi algorithm

这篇博客通过R语言详细阐述了隐马尔科夫模型的向前、向后及向前-向后过程,并对比了Viterbi算法的不同之处。博客内容包括使用r包和自定义代码实现这些算法,以及Viterbi算法的计算步骤和路径选择。最后指出了向前-向后算法提供每个状态的边际概率,而Viterbi算法则用于找出最可能的状态序列。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

forward, backward, forward-backward procedure by r

其实已经有r包可以实现了,自己写一遍过程便于理解。

  • r包实现
exp(forward(hmm, observations))#forward
exp(backward(hmm, observations)) #backward
posterior(hmm, observations) #forward-backward
  • 自己的代码实现
#set the probs
transProbs <- as.data.frame(matrix(c(0.7 , 0.4 , 0.3 , 0.6), nrow = 2))
States <- c("CpG","N")
rownames(transProbs) <- States
colnames(transProbs) <- States
startProbs <- data.frame('CpG' = 0.4, 'N' = 0.6)
emissionProbs <- as.
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