马尔科夫模型
马尔科夫（Andrey Markov，1856－1922）
“下一时刻的状态只与当前状态有关，与上一时刻状态无关”的性质，称为无后效性或者马尔可夫性。具有这种性质的过程称为马尔可夫过程。
时间、状态都是离散的马尔可夫过程称为马尔可夫链。
马尔可夫假设：给定时间线上有一串事件顺序发生，假设每个事件的发生概率只取决于前一个事件。这串事件构成的因果链被称作马尔可夫链。
一个马尔科夫过程就是指过程中的每个状态的转移只依赖于之前的n个状态，这个过程被称为n阶马尔科夫模型，其中n是影响转移状态的数目。
最简单的马尔科夫过程就是一阶过程，每一个状态的转移只依赖于其之前的那一个状态，这也是后面很多模型的讨论基础。
很多时候马尔科夫链、隐马尔可夫模型都是只讨论一阶模型，甚至很多文章就将一阶模型称之为马尔科夫模型，现在我们知道一阶只是一种特例而已了。p(wt|w0w1...wt−1)=p(wt|wt−1)
1阶马尔科夫链 与 2元语法模型
基础知识：
联合概率链规则
HBU_DAVID
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
