HMM簡單理解

                模型導出 貝葉斯的輸出變量只有一個，如果將輸出變量y加以擴展成序列標註，也就是每一個Xi對應於一個標記Yi，貝葉斯模型轉化爲： 考慮到輸出y之間的相互依賴性，聯合概率可以分解爲生成概率和轉移概率的乘積。 缺點：雖然考慮了y之間的依賴性，但是仍然假設x之間是相互獨立的。 HMM用於標記的時候，隱藏變量就是詞序列對應的label標記，觀測序列是詞序列，所求的就是基於各類

>>阅读原文<<