从头开始（概率）学HMM：精讲第一课-隐马尔可夫模型定义

1. HMM概念（观测序列&状态序列）

  在学习HMM（隐马尔可夫模型）之前，我们接触最多的就是分类问题和回归问题，其中分类模型如逻辑回归、决策树模型等；回归模型如多元线性回归。除此之外，还有另一类问题，序列标注问题，如词性标注，对于一个样本，输入是一句话，比如“the book is interesting”，预测的是每个词的词性（动词、名词等）。之前学到的逻辑回归和决策树，通常解决的是这一句话属于什么类别，比如在情感分类中，"the book is interesting"整句话被分类成中性。但现在我们需要预测这句话中每个词的类别。这就用到了本章所讲到的HMM模型，因此HMM也被称为时序模型或者说序列模型。后续学习中，也可以使用lstm等模型解决这类问题。本章仅讨论HMM。
  还是以刚才"the book is interesting"为例，the对应的词性为介词，book的词性为名词，is对应的词性为系动词，interesting对应的词性为形容词。在语言的世界中我们能够观测到的是这句话，其背后对应的词性是不会被观测到的，或者说是被隐藏的。因此，这里引出了两个新的概念，观测序列和隐藏序列（或者说是