概率里面有个很重要的模型，是马尔可夫链，广泛用于各种应用中，如语音识别，赌博等。。为啥用的多，主要是原理比较简单，而且和各种模型什么的都比较匹配，所以应用很广泛，还有本书叫做随机漫步的傻瓜，可以看看，作为一个原理比较简单的模型，这里就简单讲讲；

马尔科夫链讲的是只有3个阶段，过去、现在、未来，未来的情况取决于当前的状态，他由2个部分组成：当前状态，转移矩阵，未来的状态等于当前状态*转移矩阵，获取状态后，转移矩阵再重新计算，未来的状态变成当前的状态；之后的情况和以前一切都没有关系；换一个通俗的例子，就是把马尔科夫链比作人的一生，你未来的一切取决于你当前的这个点的所有状态，和过去的那个你没有关系，如果将现在的你干掉。。就没有未来的你了。。通过过去的你也推不出将来的你；

隐马尔科夫链的核心思想，其实和马尔科夫链是一样的，唯一的区别是马尔科夫链的状态是能观察到的，隐马尔科夫链的状态是观察不到的，需要一个状态之间的概率；

举具体的例子吧：

马尔科夫链：
1. 当前状态

2. 转移矩阵

3. 整个序列



隐马尔科夫的例子稍微复杂一点，不过我还是举网上随处可见的经典例子：
1. 会有3个骰子，每个骰子分别是6面，4面，8面

2. 我们会得到一个观测队列，知道每个骰子的概率，每个骰子到另外一个骰子的概率，算隐藏队列，或者算观测队列的概率等等；

换个例子：
假设王者里面孙悟空有多种状态，分别是狂暴状态，普通状态，防守状态，三种状态的情况是：
1. 狂暴状态：80%暴击，20%普通攻击
2. 普通状态：20%暴击，20%吸血，60%普通攻击
3. 防守状态：60%吸血，40%普通攻击
如果你观察到一个孙悟空，老是暴击，自然也能猜出他的状态是狂暴，如果老是吸血，自然进入了防守了状态，这个就是一个知道观测状态，来猜测隐藏状态的case;

HMM是个重要的模型，上周花了一定的时间稍微研究了一下，感觉还是很博大精深的