Python算法

Question

下面的代码是我在HMM模型中使用的Viterbi算法的这里实现。该链接还提供了一个测试用例。

在__init__中，我了解到：

• initialProb是在给定状态下开始的概率，
• transProb是在任何给定的时间内从一种状态转移到另一种状态的概率，但是

我不明白的参数是obsProb.谁能解释一下吗？

import numpy as np

'''
N: number of hidden states
'''
class Decoder(object):
def __init__(self, initialProb, transProb, obsProb):
    self.N = initialProb.shape[0]
    self.initialProb = initialProb
    self.transProb = transProb
    self.obsProb = obsProb
    assert self.initialProb.shape == (self.N, 1)
    assert self.transProb.shape == (self.N, self.N)
    assert self.obsProb.shape[0] == self.N

def Obs(self, obs):
    return self.obsProb[:, obs, None]

def Decode(self, obs):
    trellis = np.zeros((self.N, len(obs)))
    backpt = np.ones((self.N, len(obs)), 'int32') * -1

    # initialization
    trellis[:, 0] = np.squeeze(self.initialProb * self.Obs(obs[0]))

    for t in xrange(1, len(obs)):
        trellis[:, t] = (trellis[:, t-1, None].dot(self.Obs(obs[t]).T) * self.transProb).max(0)
        backpt[:, t] = (np.tile(trellis[:, t-1, None], [1, self.N]) * self.transProb).argmax(0)
    # termination
    tokens = [trellis[:, -1].argmax()]
    for i in xrange(len(obs)-1, 0, -1):
        tokens.append(backpt[tokens[-1], i])
    return tokens[::-1]

Answer 1

具有嗯隐藏状态和M可能的离散观测值的M由以下参数定义：

• 大小矢量( initialProb，N)：初始状态分布。条目initialProb[i]是最初(在时间0)处于状态i的概率P(x_0 = i)。
• transProb ( size of size NxN)：转移概率矩阵。条目transProb[i][j]是从状态i过渡到j的概率P(x_{t+1} = j | x_t = i)。
• obsProb ( NxM)：发射概率矩阵。入口obsProb[i][j]是从状态i发射符号j的概率P(y_t = j | x_t = i)。

通常，这些参数分别命名为\pi、T和E，或者\pi、A和B。

顺便说一下，HMM的标准引用是拉伯纳教程。