Hidden Markov Model (HMM) 是一个特殊的具有简单线性结构的概率图模型,具有非常简单高效的 inference 和 model fitting (learning) 算法,与此同时,虽然 HMM 中的 Markov 假设,也就是认为 Can't decipher request parameter 时刻的状态在给定 Can't decipher request parameter 时刻的状态的情况下和更早的状态是 independent 的假设,虽然通常认为过于理想化,但是在实际中通常表现优良,而引入高阶依赖关系之后时常问题的计算和存储复杂度都会变得难以接受,所以 HMM 多年依赖在各种领域中得到了非常广泛的应用。

本系列计划通过一些简单具体的例子讲解 HMM 的基本模型和相关的算法。