一文彻底搞懂大模型 - 隐马尔可夫模型（HMM）

文章预览

Hidden Markov Model 隐马尔可夫模型（Hidden Markov Model, HMM）是一种统计模 型，用于描述一个含有隐含未知参数的马尔可夫过程。 HMM通过描述隐含状态和观测状态之间的概率关系，能够处理时序数据和序列数据。 HMM在语音识别、生物信息学、自然语言处理等领域有着广泛的应用。 Hidden Markov Model 一、 马尔可夫链（Markov Chain） 什么是 马尔可夫链（Markov Chain） ？ 马尔可夫链（Markov Chain, MC）是概率论和数理统计中一个重要的概念， 具有马尔可夫性质， 即未来只与现在有关，而与过去无关。 马尔可夫链： 一种特殊的随机过程，具有“马尔可夫性质”。 马尔可夫性质： 未来状态仅与当前状态相关，与过去状态无关。 Markov Chain 马尔可夫链依赖于转移矩阵和转移图来描述状态间的变化。 转移矩阵，作为一个二维数组，明确了从一个状态到另一个状态的转移 ………………………………