Эйнштейн сказал, что Бог не играет в кости. Потому что он считал, что случайности в случае, если известны все ситуации, не бывает. Какова вероятность того, что событие произойдет случайно? Или какова вероятность того, что событие произойдет?
Скрытая марковская модель представляет собой конечное множество состояний, каждое из которых имеет собственное распределение вероятностей. Набор вероятностей, известных как вероятности перехода, управляет переходом между состояниями.
Для создания скрытой марковской модели нам потребуется:
- состояния
У нас есть конечное множество состояний. Например, в модели прогнозирования погоды; у нас может быть жаркий день, теплый день и холодный день как состояния.
- Распределение наблюдений
Каждое состояние имеет особое наблюдение, основанное на распределении вероятностей. Например: В жаркий день Алиса с вероятностью 80% счастлива и с вероятностью 20% несчастлива.
- Распределение перехода
Каждое состояние имеет вероятность перехода, которая определяет вероятность перехода в следующее состояние.
Скрытая марковская модель использует распределения вероятностей событий в прошлом для прогнозирования будущих событий или ситуаций.
Но он использует предыдущий, а не значения вероятности всего прошлого. Из-за этого он называется Скрытый. Итак, если вы знаете состояние в момент времени t, вы можете оценить t-1 или t+1. Допустим, мы предсказываем погоду на следующий день. Если вероятность того, что сегодня будет холодно, составляет 30 процентов, мы можем сказать, что вероятность того, что на следующий день будет тепло, будет равна 70 процентам. Короче говоря, завтрашняя погода зависит только от того, какая погода сегодня.
Ссылки
[1] Соллер, Эми и Вибе, Дженис и Лесголд, Алан. (2002). Подход машинного обучения к оценке обмена знаниями во время совместной учебной деятельности. 10.3115/1658616.1658635.
