은닉 마르코프 모델(Hidden Markov Model)

데이터 생성을 위한 마르코프 모델

마르코프 과정(Markov Process)은 확률 과정(Stochastic Process)의 한 사례입니다. 확률 과정은 결과 또는 상태로 구성된 랜덤 시퀀스를 특정 확률에 따라 생성하는 절차입니다. 마르코프 과정은 무기억성이 특징입니다. 즉, 다음 상태가 이전의 상태가 아니라 현재 상태의 영향만 받습니다. 마르코프 과정의 모델은 일일 주식 가격부터 염색체의 유전자 위치에 이르기까지 광범위한 응용 사례에 사용됩니다. 은닉 마르코프 모델(HMM, Hidden Markov Model)은 관측된 데이터의 지정된 세트를 생성한 일련의 상태를 복구하려고 합니다.

함수

`hmmdecode`	은닉 마르코프 모델 사후 상태 확률
`hmmestimate`	Hidden Markov model parameter estimates from emissions and states
`hmmgenerate`	은닉 마르코프 모델의 상태 및 출력
`hmmtrain`	Hidden Markov model parameter estimates from emissions
`hmmviterbi`	은닉 마르코프 모델의 가장 가능성 높은 상태 경로

도움말 항목

은닉 마르코프 모델(HMM)
데이터에서 마르코프 모델을 추정합니다.
Markov Chains
Markov chains are mathematical descriptions of Markov models with a discrete set of states.