目錄

馬爾科夫模型應用

馬爾科夫性質，舉例簡單說明

馬爾科夫模型

馬爾科夫鏈

馬爾科夫決策過程（Markov Decision Process, MDP）

例子

隱馬爾科夫模型（Hidden Markov Model, HMM）

馬爾科夫模型和隱馬爾科夫模型在自然語言處理方面應用是什么

馬爾科夫模型在自然語言處理中的應用

隱馬爾科夫模型（HMM）在自然語言處理中的應用

隱馬爾科夫模型（Hidden Markov Model，簡稱HMM）是一種統計模型

---

馬爾科夫模型應用

室內動作預測，通過數據預測動作

馬爾科夫性質，舉例簡單說明

馬爾科夫性質（Markov Property）是概率論中的一個重要概念，它描述了一個隨機過程在給定現在狀態及所有過去狀態情況下，其未來狀態的條件概率分布僅依賴于當前狀態，而與過去狀態（即該時刻以前的狀態）是條件獨立的。簡單來說，就是“未來與過去無關”，只要知道現在，就可以預測未來。

下面通過一個簡單的例子來說明馬爾科夫性質：

假設我們有一個天氣系統，它每天只有兩種狀態：晴天（S）和雨天（R）。我們觀察這個系統一段時間，并記錄下每天的天氣情況。如果我們發現這樣一個規律：如果今天是晴天，那么明天有70%的概率還是晴天，有30%的概率是雨天；如果今天是雨天，那么明天有40%的概率是晴天，有60%的概率還是雨天。

這個天氣系統就具有馬爾科夫性質。因為&