Гауссова модель скрытого маркова

Question

Я следую руководству по этой ссылке http://www.blackarbs.com/blog/introduction-hidden-markov-models-python-networkx-sklearn/2/9/2017, чтобы реализовать скрытую марковскую модель в моем примере.у меня есть 2 скрытых состояния и 2 наблюдаемых состояния.

Как я понимаю из кода в учебном пособии, первый шаг в HMM состоит в оценке параметров модели с использованием модели оценки максимального правдоподобия, а затем из результатов параметров, которые мыможет предсказывать скрытые состояния.Таким образом, алгоритм Витебри используется для обучения модели, чтобы найти оптимальные параметры, а затем предсказать наблюдаемые состояния.Это так?я могу поделиться своим кодом, если это более объяснимо

Answer 1

На самом деле оценка параметров находит все, стартовые пробники, переходные пробники.(для скрытых состояний) и наблюдения за пробами.(для наблюдаемых состояний).Все они называются параметрами HMM.Существует как минимум две методики / алгоритма оценки параметров, чтобы получить их все: 1. Тренировка Баум-Витерби или Витерби или Экстракция Витерби и 2. Баум-Уэлч.