從零開始-Machine Learning學習筆記(30)-概率圖模型
阿新 • • 發佈:2018-12-03
文章目錄
概率模型:(probabilistic model)提供了一種描述框架,將學習任務歸結於計算變數的概率分佈。
生成式模型
:對聯合概率建模;
判別式模型
:對條件概率建模。
概率圖模型:(probabilistic graphical model)是一類用圖來表達變數相關關係的概率模型。它以圖為表示工具,最常見的是用一個結點表示一個或一組隨機變數,結點之間的邊表示變數間的概率相關關係,即"變數關係圖"根據邊的性質不間,概率圖模型可大致分為兩類:
第一類是使用
有向無環圖
表示變數間的依賴關係,稱為有向圖模型或
貝葉斯網
第二類是使用
無向圖
表示變數間的相關關係,稱為無向圖模型或
馬爾可夫網
(Markov network)。
1. 隱馬爾可夫模型(Hidden Markov Model,HMM)
隱馬爾可夫模型是結構最簡單的動態貝葉斯網,一種著名的有向圖模型
。
其中
稱為第i時刻的狀態,也稱為隱變數;
是觀測變數。在任意時刻,
由
確定,
由
確定,與其他時刻的狀態無關。
基於上述的情況,狀態變數y與觀測變數x的聯合概率分佈可以寫為:
幾個重要的概率:
狀態轉移概率: 表示在任意時刻t,若狀態為
,則在下一時刻狀態為
的概率
輸出觀測概率: 表示在任意時刻t,若狀態為
,則觀測值
被獲取的概率
初始狀態概率: 表示模型的初始狀態為
的概率:
通過指定狀態空間Y
,觀測空間X
,及
就可以確定一個隱馬爾科夫模型:
[1]:設定t=1,並根據初始狀態概率
選擇初始狀態
;
[2]:根據狀態
和輸出觀測概率B選擇觀測變數的取值
;
[3]:根據狀態
和狀態轉移矩陣A轉移狀態模型,即確定
;
[4]:若t<n,設定t=t+1,並轉移到[2],否則停止。
隱馬爾科夫主要關注的三個基本問題:
1.給定[A,B,π],計算產生觀測序列
: 評估模型與序列間的匹配關係
2.給定[A,B,π]和觀測序列