状态空间模型(离散)-隐马尔可夫模型数学原理
Hidden Markov Model, HMM.是动态序列模型-离散情况的代表模型。在股票预测和NLP领域都有良好的应用，如：
1. Hidden Markov Model - in Mathmatics
- 状态转移矩阵 Transition Probability （以股市运转为例）
- 测度分布矩阵 Measurement Probability（以股市运转为例）
2. HMM的基本参数、基本问题与数学分离
2.1 评估模型 P(Y|λ) ： Forward-Backward Algorithm
2.2 参数学习模型 P(λ|Y)
首先回顾Maximization-Expectation：
在Hidden Markov Model中，我们将Maximization-Expectation公式写成：
- 首先优化第一项：
- 其次优化第二项：
- 最后优化第三项：