机器学习算法之——隐马尔可夫模型(Hidden Markov Models,HMM) 代码实现

@Author：Runsen

隐形马尔可夫模型，英文是 Hidden Markov Models，就是简称 HMM。

既是马尔可夫模型，就一定存在马尔可夫链，该马尔可夫链服从马尔可夫性质：即无记忆性。也就是说，这一时刻的状态，受且只受前一时刻的影响，而不受更往前时刻的状态的影响。

关于马尔可夫模型和隐马尔可夫模型是什么，查看知乎的问题

马尔可夫模型

马尔可夫链（Markov-chain，model）描述了一个随机过程，其中未来状态的假设概率仅取决于当前过程状态，而不取决于它之前的任何状态。在这个例子中，我们将创建一个概率图（给定由4个元素组成的状态空间）来说明孩子们可能决定如何度过一天。

import numpy as np
import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt
from pprint import pprint # 状态空间的建立与初始状态概率
states = ['sleeping', 'eating&
  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
 

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/118075539