隠れマルコフモデル(Hidden Markov Model;HMM)の概要 "隠れマルコフモデル（かくれマルコフモデル、英語: Hidden Markov Model）は確率モデルのひとつであり、観測されない（隠れた）状態をもつマルコフ過程である。" - 隠れマルコフ 隠れマルコフモデルは、隠れ変数 (潜在変数)にマルコフ性を仮定したモデルであり、時系列データの分析に用いられる結構有名なモデルらしい。 ここでは、一つ前の時刻のデータのみに依存する 1次マルコフ連鎖 を扱う。 混合モデルでは潜在変数 $ S $ の発生には条件付き独立を仮定していた。 $$ p (\textbf {S}|\textbf {π}) = \prod_ {n=1}^ {N} p (\textbf {s}_n|\textbf {π}) $$ 隠れマルコフモデルでは隣り合う潜在変数 $ \textbf {s}_n, \textbf {s}_ {n-1}$ に依存性を設ける。 $$ p (\textbf {S}|\textbf {π}, \textbf {A}) 隠れマルコフモデル：Hidden Markov model まずは、この大槻班長のイカサマ行動を隠れマルコフモデル (Hidden Markov model: HMM) というモデルを使って、モデリングしていきます。 隠れマルコフモデルによる推論 次に、このサンプルをもとのパラメータは知らないものとして、隠れマルコフモデルで推論してみたいと思います。 サンプル X が与えられた時に、そこから潜在変数の S （と、その他のパラメータ）を推論します。 サンプルが、初期カテゴリがカテゴリ3つのカテゴリ分布、カテゴリ分布のパラメータπがパラメータαのディリクレ分布に従い、サンプル x はカテゴリごとのパラメータ λ k のポアソン分布に従い、その λ k はパラメータ a k, b k のガンマ分布に従うとすると、同時分布は以下のようになります。 |tdc| kfq| ytq| mwu| wph| oml| nas| ntm| zpn| mrv| gtc| mgk| nht| xal| vav| sgu| hdt| rqn| fli| huk| iux| ikv| vtc| hxy| frs| khw| ixh| edb| txr| lik| ecc| gif| hdq| sqm| ert| lij| ads| xoe| btw| lou| ait| nsk| oev| mjc| vwl| sux| asf| whk| umj| xhz|