Markov Model and Hidden Markov Model (马可夫模型 and 隐马可夫模型)

马可夫模型是什么？

属于一种随机模型。这种模型假定系统的未来状态取决于当前状态的变化，并不受历史状态下态的影响。

－ 以城市旅游为例：我依次先访问纽约、接着访问波士顿、之后前往华盛顿. 那么我们相信抵达波士顿是由于之前访问过纽约, 同理抵达华盛顿是因为之前访问过波士顿.

马可夫链是什么？

就是系统状态转移的路径。 从以下的例子可以得出 4条 序列, 那么将这 4 条

－ 以城市旅游为例子： A 同学的路径是从 纽约 -> 波士顿-> 华盛顿

B 同学的路径是从 华盛顿 -> 纽约 -> 波士顿

C 同学的路径是从 纽约 -> 华盛顿 -> 波士顿

D 同学的路径是从 波士顿 -> 华盛顿 -> 纽约

以上就是一个完整的markov chain, 从这个chain我们能得到什么信息呢？

接下来 纽约之后的下一个目的地有两种选择：波士顿或华盛顿 那么到达波士顿的概率是三分之二 而到达华盛顿的概率则是三分之一

此外，在这种情况下我们能否确定起始的城市呢？一共有四位乘客前往目的地。那么从纽约出发的概率是1/2。

由此我们能得到以下

![](https://cdl.itad