HMM/CRF

1. overview

HMM/CRF
note:

  • 最大熵模型:是一种log linear模型(log(wTf(x))),f(x)是exponential function,所以加上log后变成linear模型。
    log linear模型定义:A log-linear model is a mathematical model that takes the form of a function whose logarithm equals a linear combination of the parameters of the model, which makes it possible to apply (possibly multivariate) linear regression. 举个例子:x遵从多维高斯分布。在给定方差和均值的情况下,高斯分布的熵最大,也就是说高斯分布是随机性最高最平均的一种分布。
    HMM/CRF
    HMM/CRF
  • 朴素贝叶斯模型:P(x given y) = product of P(xi given y)
    在given y的基础上,各个x是相互独立的。y = 0 or 1因为朴素贝叶斯是为了解决一个分类问题。
  • 隐马尔可夫模型:当y不再是一个需要被预测的target而是一个需要被预测的sequence时,NB就成了HMM。x间相互独立,x只取决于与其对应的y,y只取决于上一轮的y。
  • 高斯混合模型:P(x given y)是高斯分布,y是离散随机变量 = 1,2,…, k
    HMM/CRF
  • MEMM: 一个判别模型,综合了HMM和MEM,打破了观测独立假设。
  • CRF:把隐藏状态之间的“有向”变为无向,为了解决“局部概率分布需要归一化”的问题,变成了“全局归一化”。

2. CRF

上一篇:coursera machine learning Linear Regression octave编程作业


下一篇:用pytorch实现Autoencoder