版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/shenziheng1/article/details/87270148
Hidden Markov Model, HMM.是动态序列模型-离散情况的代表模型。在股票预测和NLP领域都有良好的应用,如:
1. Hidden Markov Model - in Mathmatics
- 状态转移矩阵 Transition Probability (以股市运转为例)
- 测度分布矩阵 Measurement Probability(以股市运转为例)
2. HMM的基本参数、基本问题与数学分离
2.1 评估模型 P(Y|λ) : Forward-Backward Algorithm
2.2 参数学习模型 P(λ|Y)
首先回顾Maximization-Expectation:
在Hidden Markov Model中,我们将Maximization-Expectation公式写成:
- 首先优化第一项:
- 其次优化第二项:
- 最后优化第三项: