資訊專欄INFORMATION COLUMN
摘要：題目闡釋算法實(shí)現(xiàn)。用實(shí)現(xiàn)的和表現(xiàn)層的轉(zhuǎn)移動(dòng)態(tài)規(guī)劃問(wèn)題，歸結(jié)到相鄰兩個(gè)之間存在轉(zhuǎn)移概率，轉(zhuǎn)移概率。難點(diǎn)三層循環(huán)，為了保留，計(jì)算每個(gè)的的概率，所以要嵌套在之外。
題目闡釋：
viterbi算法實(shí)現(xiàn)。 用python實(shí)現(xiàn)viterbi的hidden state 和 表現(xiàn)層的轉(zhuǎn)移
動(dòng)態(tài)規(guī)劃問(wèn)題，歸結(jié)到
相鄰兩個(gè)step之間存在 state轉(zhuǎn)移概率，state2emibission轉(zhuǎn)移概率。
計(jì)算后可以得到每個(gè)step的每個(gè)state max_probablity
由于step_n依賴于 step_n-1,跟 step_n-2無(wú)關(guān)，所以可以一直如此往復(fù)，得到最后的max_prob
整個(gè)問(wèn)題抽象為，下一個(gè)step依賴于上一個(gè)step的所有state，所以只需要計(jì)算每一層step的所有state的prbo即可。
難點(diǎn)：
三層for循環(huán)，為了保留，計(jì)算每個(gè)step的state的概率，所以要 next_state 嵌套在 source_state之外。
states=["Rainy","Sunny"]
observations=["walk","shop","clean"]
observations=("walk","clean","walk")
emission_probability={"Rainy":{"walk":0.1,"shop":0.4,"clean":0.5},
"Sunny": {"walk": 0.6, "shop": 0.3, "clean": 0.1}
}
trans_probability={"Rainy":{"Rainy":0.7,"Sunny":0.3},
"Sunny":{"Rainy":0.4,"Sunny":0.6}
}
start_probability={"Rainy":0.6,"Sunny":0.4}
def vertibi(states,objservations,start_prob,trans_prob,emi_prob):
T={state:[start_prob[state],[state],start_prob[state]] for state in states}
for objservation in objservations:
U={}
for next_state in states:
total=0
argmax=None
valmax=0
for source_state in states:
prob,v_path,v_prob=T[source_state]
p=emi_prob[source_state][objservation]*trans_prob[source_state][next_state]
prob*=p
v_prob*=p
if v_prob>valmax:
valmax=v_prob
argmax=v_path+[next_state]
total+=prob
U[next_state]=[total,argmax,valmax]
T=U
total = 0
argmax = None
valmax = 0
for state in states:
prob, v_path, v_prob=T[state]
if v_prob>valmax:
argmax=v_path
total=prob
valmax=v_prob
return total,argmax,valmax
total,argmax,valmax=vertibi(states,observations,start_probability,trans_probability,emission_probability)
print(total)
print(argmax)
print(valmax)
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/42110.html
摘要：我來(lái)到北京清華大學(xué)對(duì)應(yīng)的狀態(tài)應(yīng)該為其實(shí)和的區(qū)別就是對(duì)未成功切分的部分，沒(méi)有使用進(jìn)行分詞。 介紹 結(jié)巴分詞是一個(gè)受大家喜愛(ài)的分詞庫(kù)，源碼地址為github，今天我們就跟進(jìn)源碼，看一下結(jié)巴分詞的原理 原理 def cut(self, sentence, cut_all=False, HMM=True): The main function that...
摘要：時(shí)間永遠(yuǎn)都過(guò)得那么快，一晃從年注冊(cè)，到現(xiàn)在已經(jīng)過(guò)去了年那些被我藏在收藏夾吃灰的文章，已經(jīng)太多了，是時(shí)候把他們整理一下了。那是因?yàn)槭詹貖A太亂，橡皮擦給設(shè)置私密了，不收拾不好看呀。 ...
摘要：源碼漫游指南一作者秘塔科技算法研究員前幾天發(fā)布了第五屆頂級(jí)語(yǔ)言交互排行榜，語(yǔ)言繼續(xù)穩(wěn)坐第一把交椅，并且相比去年的排行情況，拉開(kāi)了與第二名的距離去年第二名的排名得分為。包含字節(jié)碼相關(guān)的底層抽象。字節(jié)碼對(duì)象的實(shí)現(xiàn)。源文件執(zhí)行結(jié)束后的清理工作。 Python源碼漫游指南（一） 作者：秘塔科技算法研究員 Qian Wan 前幾天IEEE Spectrum發(fā)布了第五屆頂級(jí)語(yǔ)言交互排行榜，Pyth...
摘要：的解析器實(shí)現(xiàn)更成熟，第三方庫(kù)質(zhì)量高解析器盡管已經(jīng)有了很大的性能提升和很多新的功能，但是從源代碼實(shí)現(xiàn)的角度來(lái)說(shuō)，基本上是通過(guò)在源代碼上打來(lái)增加功能的。相對(duì)而言，解析器更成熟，也比較穩(wěn)定。 最近在考慮學(xué)習(xí)一門(mén)后端語(yǔ)言，在ruby和python直接猶豫，然后自己做了一些對(duì)比，希望能幫到有同樣問(wèn)題的你。 一、異同對(duì)比選擇1、Python和ruby的相同點(diǎn)： 都強(qiáng)調(diào)語(yǔ)法簡(jiǎn)單，都具有更一般的表達(dá)...
閱讀 2233·2021-09-02 15:11
閱讀 1565·2019-08-30 15:43
閱讀 2100·2019-08-29 13:48
閱讀 2820·2019-08-26 13:55
閱讀 2126·2019-08-23 15:09
閱讀 2924·2019-08-23 14:40
閱讀 3458·2019-08-23 14:23
閱讀 2666·2019-08-23 14:20
