# 隐马尔可夫模型

> 隐马尔可夫模型（英语：Hidden Markov Model；缩写：HMM），或称作隐性马尔可夫模型，是统计模型，用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。在正常的马尔可夫模型中，状态对于观察者来说是直接可见的。这样状态的转换概率便是全部的参数。

- ID: m12704
- 分类: system
- 领域: 系统论

## 定义

一种统计模型，假设系统存在不可直接观测的隐藏状态，通过可观测的输出序列推断隐藏状态的转换规律。脚手架作用：从表象逆推本质。当只能看到现象序列（如用户行为、语音信号）时，提供推断背后隐藏状态演变的数学框架。

## 机制

系统处于不可观测的隐藏状态序列，每个状态生成可观测输出；用观测序列通过 Baum-Welch、维特比等算法推断状态转移与最可能路径。

## 练习

1）定义隐藏状态集与观测集；2）设定初始、转移与发射概率；3）用观测序列训练参数；4）推断隐藏状态序列或做预测。

## 脚手架用法

从表象逆推本质。当只能看到现象序列（如用户行为、语音信号）时，提供推断背后隐藏状态演变的数学框架。

[阅读网页](https://thinkingmodels.site/entries/detail/m12704)