Процессы Маркова являются примерами стохастических процессов — процессы, которые генерируют случайные последовательности результатов или состояний согласно определенным вероятностям. Процессы Маркова отличают, будучи без памяти — их следующее состояние зависит только от их текущего состояния, не от истории, которая привела их туда. Модели процессов Маркова используются в большом разнообразии приложений от ежедневных курсов акций до положений генов в хромосоме. Скрытые модели Маркова (HMM) стремятся восстановить последовательность состояний, которые сгенерировали данный набор наблюдаемых данных.
hmmdecode | Скрытая модель Маркова следующие вероятности состояния |
hmmestimate | Скрытый параметр модели Маркова оценивает от эмиссии и состояний |
hmmgenerate | Скрытые состояния модели Маркова и эмиссия |
hmmtrain | Скрытый параметр модели Маркова оценивает от эмиссии |
hmmviterbi | Скрытая модель Маркова самый вероятный путь состояния |
Оцените модели Маркова из данных.
Цепи Маркова являются математическими описаниями моделей Маркова с дискретным набором состояний.
