← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9848.k · 生成模型:Hunyuan

HMM的三个基本假设

理解等级:中级

HMM 靠三个假设摆脱时域限制,成为纯粹的逻辑模型。马尔科夫假设规定状态构成一阶马尔科夫链:P(Xi | Xi−1,…,X1)=P(Xi | Xi−1),当前状态已概括全部历史。不动性假设规定转移规律与具体时间无关:P(Xi+1|Xi)=P(Xj+1|Xj),任意 i、j 都相同,因此矩阵可跨时刻复用。输出独立性假设规定观测只依赖当前隐状态:P(O1,…,OT | X1,…,XT)=∏P(Ot|Xt),给定状态后各观测相互独立。三条合起来把长序列的联合概率拆成初始分布、状态转移与发射概率的连乘,使前向与 Viterbi 算法得以递推计算;局限是丢弃更长历史依赖,且要求转移规律稳定。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习算法原理与编程实践》第11章 概率图模型与词性标注(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00037.html) - 结论依据:原文列出马尔科夫假设、不动性假设、输出独立性假设三个等式及'摆脱时域限制'的作用,支撑三假设的解释。 - 原始内容:假设1: 马尔科夫假设(状态构成一阶马尔科夫链)。 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 ),对于任意i、j