Hidden Markov Models

순차데이터 Sequence data

시간특성이 있는 데이터

 

Hidden Markov Models

Markov Model

state가 변화하는 횟수를 matrix에 누적하여 적고 row sum으로 나누어 확률로 표현

 

Hidden Markov Model

같은 시간에 발생한 두 종류의 state squence 각각의 특성과 그들의 관계를 이용해 모델링

O1,2,3는 Observable, S1,2,3는 Hidden

 

HMM 적용 예시들

 

HMM 파라미터

λ = {A, B, π} : 3개의 파라미터

상태전이확률행렬, 방출확률행렬, 초기상태확률행렬

 

HMM로 해결할 수 있는 문제

Evaluation

forward probability : α

 

 

Evaluation은 forward 또는 backward를 사용

Learning할때는 backward사용

Decoding은 Viterbi

 

Decoding

 

 

Learning

 

HMM 응용 예시