← 返回卡片

原书出处

机器学习算法原理与编程实践

11 第11章 概率图模型与词性标注

核验版本的摘录快照 · 导入于 2026-11-19T03:09:27.772Z

for y in states: # 概率 隐状态 = 前状态是y0的概率×y0转移到y的概率×y表现为当前状态的概率

V[t][y] = max([(V[t-1][y0] * trans_p[y0][y] * emit_p[y][obs[t]]) for y0 in states])

result = [] for vector in V: temp={} temp[vector.keys()[arg

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00037.html

EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d