結合Logistic迴歸構建最大熵馬爾科夫模型

這是應用於 NLP 的連續監督學習系列博文的第二篇。它可以看作是上一篇文章的續作（參見：深度 | 從樸素貝葉斯到維特比算法：詳解隱馬爾科夫模型），在上一篇博客中，作者試着解釋了隱馬爾科夫模型（HMM）和樸素貝葉斯（Naive Bayes）之間的關係。在這篇博客中，作者將嘗試解釋如何構建一個基於 Logistic 迴歸分類器的序列分類器，即，使用一種有區別性的方法。 判定模型 vs 生成模型 上一篇

>>阅读原文<<