本文主要是介绍自然语言处理讲师NLP培训讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-20隐马尔可夫模型，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
接上一篇
P43-P45
HMM概念
• 隐马尔可夫模型 （ Hidden Markov Model ， HMM ）是一种是关于时序的概率模型，用来描述一个含有隐含未知参数的马尔可夫过程。
• 它是指一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态随机生成一个观测，从而产生观测随机序列的过程。
隐马尔可夫模型并不是俄罗斯数学家马尔可夫发明的，而是美国数学家Baum提出的。
两个基本假设
对于一个随机事件，有一个观察值序列：O1,...,OT；该事件隐含着一个状态序列：X1,...,XT
假设1：马尔可夫假设（状态构成一阶马尔可夫链）
p(Xi|Xi-1…X1) = p(Xi|Xi-1)
假设2：不动性假设（状态与具体时间无关）
p(Xi+1|Xi) = p(Xj+1|Xj)，对任意i,j成立
未完，下一篇继续
这篇关于自然语言处理讲师NLP培训讲师叶梓：人工智能之最新NLP自然语言处理技术与实战-20隐马尔可夫模型的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
