原文链接:http://tecdat.cn/?p=17592
最近,我们使用隐马尔可夫模型开发了一种解决方案,并被要求解释这个方案。
HMM用于建模数据序列,无论是从连续概率分布还是从离散概率分布得出的。它们与状态空间和高斯混合模型相关,因为它们旨在估计引起观测的状态。状态是未知或“隐藏”的,并且HMM试图估计状态,类似于无监督聚类过程。
视频
R语言中的隐马尔可夫HMM模型实例
在现实世界
在现实世界中,HMM通常用于
股票市场预测,无论市场处于牛市还是熊市
估计NLP中的词性
生物测序
序列分类
仅举几例。只要有观察序列,就可以使用HMM,这对于离散情况也适用。
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。