我读了很多隐藏的马尔可夫模型,并且自己能够编写一个相当基本的版本。
但是我似乎有两种主要学习方法。一种是将其读取并实现为代码(已完成),第二种是了解其在不同情况下的应用方式(因此,我可以更好地了解它与我可能正在处理的问题的关系)。到目前为止,我所做的所有示例都涉及某种DNA预测或抛硬币。
我想知道是否有任何资源可以解决其他马尔可夫问题(语言无关紧要,但希望能提供答案,这样我才能知道我是对还是错)?
我读了很多隐藏的马尔可夫模型,并且自己能够编写一个相当基本的版本。
但是我似乎有两种主要学习方法。一种是将其读取并实现为代码(已完成),第二种是了解其在不同情况下的应用方式(因此,我可以更好地了解它与我可能正在处理的问题的关系)。到目前为止,我所做的所有示例都涉及某种DNA预测或抛硬币。
我想知道是否有任何资源可以解决其他马尔可夫问题(语言无关紧要,但希望能提供答案,这样我才能知道我是对还是错)?
Answers:
我在需求/库存水平估算方案中使用了HMM,在该方案中,我们从许多商店购买商品,这些商店可能会或可能不会缺货。因此,这些物品的每日需求序列包含零,这是合法的零需求日,也包含因为商店缺货而导致的零。您可能会想知道商店是否从库存级别开始缺货,但是库存记录中的错误会蔓延,找到一家认为其手头有正数的商店并不少见,但是实际上没有 隐藏状态或多或少是商店实际上是否有任何库存,而信号是(每日需求,名义库存水平)。不过,此工作没有参考。我们不应出于竞争原因而发布结果。
编辑:我要补充一点,这尤其重要,因为在零需求的情况下,商店的名义库存量永远不会减少并越过订单点,从而触发更多库存的订单-因此,由于零库存状态错误的库存记录很长一段时间都不会得到修复,直到有人发现问题或发生周期计数为止(这可能是问题开始后的几个月)。
大多数语音识别软件都使用隐马尔可夫模型。如果您想体验HMM应用程序,可以尝试自然语言处理。
这是一个很好的来源:Koller和Friedman撰写的概率图形模型。
对我来说,HMM非常好的应用是音乐作品中的和弦识别。例如,参见本讲座。
马尔可夫模型在分析用户与网站的互动时可能很有用-例如,在Amazon.com上,找出哪些互动序列会导致结帐,以在将来提供建议。
下面是一个有趣的示例,展示了如何使用马尔可夫模型:
http://freakonometrics.blog.free.fr/index.php?post/2011/12/20/Basic-on-Markov-Chain-(for-parents)