马尔可夫链和隐马尔可夫模型有什么区别？

Question

马尔可夫链模型和隐马尔可夫模型有什么区别？我在维基百科上读过，但不能理解其中的区别。

Answer 1

为了通过示例来解释，我将使用自然语言处理中的一个示例。假设你想知道这句话的概率：

我喜欢喝咖啡

在马尔可夫模型中，您可以通过计算来估计其概率：

P(WORD = I) x P(WORD = enjoy | PREVIOUS_WORD = I) x P(word = coffee| PREVIOUS_WORD = enjoy)

现在，假设我们想知道这个句子的词性标签，也就是说，如果一个单词是过去时动词，名词等。

我们在这个句子中没有观察到任何词性标签，但我们假设它们就在那里。因此，我们计算词性标签序列的概率。在我们的例子中，实际的序列是：

PRP-VBP-NN

(其中PRP=“人称代词”，VBP=“动词，非第三人称单数现在时”，NN=“名词，单数或质量”。参见了解宾夕法尼亚词性标签的完整表示法)

但是等等！这是一个我们可以应用马尔可夫模型的序列。但我们称之为隐藏，因为词性序列永远不会被直接观察到。当然，在实践中，我们将计算许多这样的序列，并且我们希望找到最能解释我们的观察结果的隐藏序列(例如，我们更有可能看到由限定符(DET)标记生成的单词，如' the '，'this‘)。

我所遇到的最好的解释是在1989年由Lawrence R. Rabiner写的一篇论文中：http://www.cs.ubc.ca/~murphyk/Bayes/rabiner.pdf

Answer 2

马尔可夫模型是一个以状态变化为概率的状态机。在隐马尔可夫模型中，你不知道概率，但你知道结果。

例如，当你抛硬币时，你可以得到概率，但是，如果你看不到抛硬币，并且有人在每次抛硬币时移动五个手指中的一个，你可以利用手指的运动并使用隐马尔可夫模型来获得抛硬币的最佳猜测。

Answer 3

据我所知，问题是：马尔可夫过程和隐马尔可夫过程有什么不同？

马尔可夫过程(MP)是具有以下特征的随机过程：

仅由当前状态(马尔可夫属性)确定的下一个状态之间的有限数目的马尔可夫转移( states

• Probabilistic

隐马尔可夫过程(HMM)也是具有以下特征的随机过程：

这些状态之间的有限数量的马尔可夫转换和下一个状态仅由当前状态(马尔可夫属性)

1. 决定。我们不确定我们所处的状态:当前状态发出observation.

示例- (HMM)股票市场

在股票市场上，人们根据公司的价值进行交易。让我们假设份额的实际价值是100美元(这是不可观察到的，实际上您永远不会知道)。你真正看到的是它的交易价值:让我们假设在这种情况下是90美元(这是可观察的)。

对马尔可夫感兴趣的人:有趣的部分是你什么时候开始对这些模型采取行动(在前面的例子中，是为了赚钱)。这适用于马尔可夫决策过程(MDP)和部分可观测的马尔可夫决策过程(POMDP)。为了评估这些模型的一般分类，我在下面的图片中总结了每个马尔可夫模型的主要特征。

​

​