本文主要是介绍人工智能培训老师叶梓介绍：人工智能之最新NLP自然语言处理技术与实战-29，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
接上一篇
P62-P64
Viterbi算法-另一个示例
问题3：有监督的学习
• 1. 转移概率 a ij 的估计
设样本中时刻 t 处于状态 i 时刻 t+1 转移到 j 的频数为 A ij ，那么状态转移概率为 a ij 的估计是
设样本中时刻 t 处于状态 i 时刻 t+1 转移到 j 的频数为 A ij ，那么状态转移概率为 a ij 的估计是
• 其中 i =1,2,...,N ； j=1,2,...,N
•
• 直接根据给定的 O 和 I 进行频数统计，因此，状态转移矩阵可以根据给定的隐藏序列 I 计算得出。
• 2. 观测概率 b j (k) 的估计
设样本中状态为 j 并观测为 k 的频数是 B jk ，那么状态为 j 观测为 k 的概率 b j (k) 的估计是
设样本中状态为 j 并观测为 k 的频数是 B jk ，那么状态为 j 观测为 k 的概率 b j (k) 的估计是
• 其中 j=1,2,..., N ； k =1,2,...,M
•
• 3. 初始状态概率 π i 的估计 π i 为 S 个样本中初始状态为 q i 的频率
问题3：Baum-Welch算法
• 给定观察序列 O 及 HMM ，定义 t 时刻位于隐藏状态 S i 的概率 变量为：
γt(i) = P(qt = Si | O, λ)
•给定观察序列O及HMM，定义t时刻位于隐藏状态Si及t+1时刻位于隐藏状态Sj的概率变量为：
ξt(i,j) = P(qt = Si , qt+1= Sj | O, λ)
未完，下一篇继续……
这篇关于人工智能培训老师叶梓介绍：人工智能之最新NLP自然语言处理技术与实战-29的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
