1.隐马尔可夫模型简述：
隐马尔可夫模型是用于标注问题的一种
生成模型，是一种关于时序的概率模型。通过由单个观测生成不可观测的状态【即为输入序列进行标注】，然后由得出的这些不可观测状态生成状态序列。马尔可夫由初始概率分布，状态转移概率分布，观测概率分布三者共同决定。
马尔可夫基于两种假设：
1.马尔可夫链所处的状态只跟他相邻时的前一个状态有关，而与其他时刻的状态无关。(齐次马尔可夫性）
2.马尔可夫任意时刻的观测只跟它当前所处的状态有关，而与其他时刻的状态无关。（观测独立假设）
马尔可夫损失函数：对数似然损失（条件概率的对数似然损失）
概率计算：前向-后向算法
学习方法：
1.BW算法（即EM算法，无监督学习方法）：1.求Q函数，极大化Q函数求得对应参数【转移概率，观测概率，初始概 率】
2.使用极大似然估计的监督学习方法【缺点在于监督学习需要训练数据，数据量大时人工标注训练数据成本非常大】
预测方法（解码方法）：
1.维特别算法【基于动态规划】
2.近似算法：在每个时刻选取最有可能的状态，从而得到状态序列。该方法计算简单，但是没法保证状态 是全局最优可能发生的状态，因为可能预测的状态序列可能有实际不发生的部分。