隐马尔可夫模型 (Hidden Markov Model): 一种统计模型，用来描述一个含有隐含未知参数的马尔可夫过程。

1 模型实例

首先用一个具体的实例来初步了解隐马尔可夫模型。

有 $3$ 个桶，每个桶有 $3$ 种颜色（R, G, B）的球，每个桶内球的数量不同：

第一步：选取初始桶

我们有一个初始概率分布，随机从 $3$ 个桶内选取一个作为初始桶：

第二步：根据目前选取的桶，随机在其中抽取一个球

由于每个桶内球的数量不同，因此抽出球的颜色的概率不同。如果目前在 $3$ 号桶，那么抽出来颜色的概率如下：

第三步：根据目前选取的桶，随机转移到另一个桶

我们有一个转移概率矩阵，根据矩阵进行桶的转移：

例如，如果目前在桶 $3$，那么转移到桶 $1$ 的概率为 $40\%$.

第四步：回到第二步，循环重复这个过程。

以上，便是隐马尔可夫模型的一个具体实例。具体来说，便是：

• 状态空间 $\mathcal{Y}=\{桶1,桶2,桶3\}$
• 观测变量 $\mathcal{X}=\{R,G,B\}$
• 初始状态概率 $\boldsymbol{\pi}=(0.3,0.2,0.5)$
• 状态转移概率 $\boldsymbol{A}=\begin{bmatrix}0.1&0.3&0.6\\0.2&0.5&0.3\\0.4&0.2&0.4\end{bmatrix}$
• 输出观测概率 $\boldsymbol{B}=\begin{bmatrix}0.33&0.33&0.33\\0.17&0.33&0.5\\0.3&0.5&0.2\end{bmatrix}$

2 数学定义

隐马尔可夫模型有两个空间：

• 系统状态空间 $\mathcal{Y}=\{s_1,s_2,\dots,s_N\}$
• 观测变量空间 $\mathcal{X}=\{o_1,o_2,\dots,o_M\}$

隐马尔可夫模型有两组变量：

• 状态变量（隐变量）$\{y_1,y_2,\dots,y_n\}$ ：$y_i\in\mathcal{Y}$ 是系统在 $i$ 时刻的状态
• 观测变量 $\{x_1,x_2,\dots,x_n\}$。：$x_i\in\mathcal{X}$ 是系统在 $i$ 时刻的观测值

隐马尔可夫模型有两个假设：

• 齐次性假设：$t$ 时刻状态 $y_t$ 仅依赖于 $t-1$ 时刻的状态 $y_{t-1}$.
• 观测独立性假设：观测变量的取值仅依赖于状态变量，与其他状态变量与观测变量无关，即 $x_t$ 仅由 $y_t$ 确定。

除了上述结构，隐马尔可夫模型还包含三个参数，含义不再解释：

• 初始状态概率 $\boldsymbol{\pi}$：$\pi_i=P(y_1=i)$
• 状态转移概率 $\boldsymbol{A}$​：$a_{ij}=P(y_{t+1}=j\mid y_t=i)$
• 输出观测概率 $\boldsymbol{B}$：$b_{i}(j)=P(x_t=j\mid y_t=i)$

综上，一个隐马尔可夫模型可以由一个三元组表示：

$$ \lambda=(\boldsymbol{A},\boldsymbol{B},\boldsymbol{\pi}) $$

它按以下过程产生观测序列 $\{x_1,x_2,\dots,x_n\}$：

1. 设置 $t=1$，根据初始状态概率 $\boldsymbol{\pi}$ 选择初始状态 $y_1$
2. 根据状态 $y_t$ 和输出观测概率 $\boldsymbol{B}$ 产生观测变量 $x_t$
3. 根据状态 $y_t$ 和状态转移概率 $\boldsymbol{A}$ 转移模型状态到 $y_{t+1}$
4. 若 $t<n$ 则令 $t\leftarrow{t+1}$ 并跳到第 $2$​ 步，否则停止

可视化如下：

3 基本问题

我们通常关注隐马尔可夫模型的三个基本问题：

1. 评估匹配程度：给定模型 $\lambda=(\boldsymbol{A},\boldsymbol{B},\boldsymbol{\pi})$，如何计算观测序列 $\boldsymbol{\mathrm{x}}=\{x_1,x_2,\dots,x_n\}$ 的概率 $P(\boldsymbol{\mathrm{x}}\mid\lambda)$.
2. 推断隐藏状态：给定模型 $\lambda=(\boldsymbol{A},\boldsymbol{B},\boldsymbol{\pi})$ 和观测序列 $\boldsymbol{\mathrm{x}}=\{x_1,x_2,\dots,x_n\}$，计算最匹配的隐藏状态 $\boldsymbol{\mathrm{y}}=\{y_1,y_2,\dots,y_n\}$.
3. 训练模型参数：给定观测序列 $\boldsymbol{\mathrm{x}}=\{x_1,x_2,\dots,x_n\}$，训练模型参数 $\lambda=(\boldsymbol{A},\boldsymbol{B},\boldsymbol{\pi})$ 使得 $P(\boldsymbol{\mathrm{x}}\mid\lambda)$ 最大。

回到第一节模型实例的具体例子，这三个问题便是：

1. 我们知道每个桶内球的具体数量，桶的转移概率，初始桶的概率，要求：产生某种观测序列的概率。
2. 我们知道每个桶内球的具体数量，桶的转移概率，初始桶的概率，要求：某种观测序列对应的隐藏状态序列。
3. 我们知道一个观测序列，要求：每个桶内球的具体数量，桶的转移概率，初始桶的概率。

4 概率计算（问题一）

4.1 基本方法

首先，对于给定隐藏状态 $\boldsymbol{\mathrm{y}}=\{y_1,y_2,\dots,y_n\}$，我们容易求出它的出现概率：

$$ P(\boldsymbol{\mathrm{y}}\mid\lambda)=\pi_{y_1}a_{y_1,y_2}a_{y_2,y_3}\cdots a_{y_{n-1},y_n}=\pi_{y_1}\prod_{i=2}^{n}a_{y_{i-1},y_i} $$

对于给定隐藏状态 $\boldsymbol{\mathrm{y}}=\{y_1,y_2,\dots,y_n\}$，观测序列 $\boldsymbol{\mathrm{x}}=\{x_1,x_2,\dots,x_n\}$ 的出现概率是：

$$ P(\boldsymbol{\mathrm{x}}\mid\boldsymbol{\mathrm{y}},\lambda)=b_{y_1}(x_1)b_{y_2}(x_2)\cdots b_{y_n}(x_n)=\prod_{i=1}^{n}b_{y_i}(x_i) $$

$\boldsymbol{\mathrm{y}},\boldsymbol{\mathrm{x}}$ 联合出现的概率是：

$$ P(\boldsymbol{\mathrm{x}},\boldsymbol{\mathrm{y}}\mid\lambda)=P(\boldsymbol{\mathrm{x}}\mid\boldsymbol{\mathrm{y}},\lambda)P(\boldsymbol{\mathrm{y}}\mid\lambda)=\pi_{y_1}b_{y_1}(x_1)\prod_{i=2}^{n}a_{y_{i-1},y_i}b_{y_i}(x_i) $$

然后求边缘概率，即可得到结果：

$$ P(\boldsymbol{\mathrm{x}}\mid\lambda)=\sum_{\boldsymbol{\mathrm{y}}}P(\boldsymbol{\mathrm{x}},\boldsymbol{\mathrm{y}}\mid\lambda) $$

接下来分析一下计算复杂度，对于长 $T$ 的序列，状态空间大小 $N$，一共有可能出现 $N^T$ 种隐藏状态序列 $\boldsymbol{\mathrm{y}}=\{y_1,y_2,\dots,y_n\}$. 对于每个隐藏状态序列，我们需要 $T$ 次计算。

因此计算复杂度为：$O(TN^T)$. 复杂度呈指数增长，对于较长序列几乎不可用。

4.2 前向算法

前向算法就是一种动态规划算法，通过动态规划算法，我们不再关心每一种状态序列具体的概率，而是关注每一步的概率。这样相当于将许多情况合并到一起，大幅减少了计算复杂度。

给定隐马尔可夫模型 $\lambda$，定义到时刻 $t$ 部分观测序列为 $x_1,x_2,\dots,x_t$ 且状态 $y_t$ 为 $s_i$​ 的概率为前向概率，记为：

$$ \alpha_t(i)=P(x_1,x_2,\cdots,x_t,y_t=s_i\mid \lambda) $$

状态转移方式：

$$ \alpha_{t+1}(i)=\left[\sum_{j=1}^N\alpha_t(j)a_{s_j,s_i}\right]b_{s_i}(x_{t+1}) $$

对于每一步，我们需要计算 $i=1,2,\dots,N$ 的前向概率。

当然，动态规划的初始值也非常重要。在本问题中初始值为 $t=1$ 的情况：

$$ \alpha_1(i)=\pi_ib_{i,1} $$

当我们递推到序列结尾 $t=T$ 时，就可以开始计算结果了：

$$ P(\boldsymbol{\mathrm{y}}\mid\lambda)=\sum_{i=1}^{N}\alpha_T(i) $$

接下来分析一下计算复杂度，每次递推需要计算 $N^2$ 次，一共需要 $TN^2$ 次计算。该复杂度至少关于 $T$ 呈线性增长了，基本可以。

例题：

• $\mathcal{Y}=\{s_1,s_2,s_3\}$
• $\mathcal{X}=\{A,B\}$
• $\boldsymbol{\pi}=(1,0,0)$
• $\boldsymbol{A}=\begin{bmatrix}0.4&0.6&0\\0&0.8&0.2\\0&0&1\end{bmatrix}$
• $\boldsymbol{B}=\begin{bmatrix}0.7&0.3\\0.4&0.6\\0.8&0.2\end{bmatrix}$

求观察序列 $ABAB$ 概率。

答案：

$$ P(ABAB\mid\lambda)=\sum_{i=1}^{N}\alpha_4(i)=0.0717696 $$

4.3 后向算法

后向算法实际上就是前向算法反着来求，前后向算法实际上是等价的。

给定隐马尔可夫模型 $\lambda$，定义时刻 $t$ 到 $T$ 部分观测序列为 $x_{t+1},\dots,x_T$ 且状态 $y_t$ 为 $s_i$​ 的概率为后向概率，记为：

$$ \beta_t(i)=P(x_{t+1},x_{t+2},\cdots,x_T\mid y_t=s_i, \lambda) $$

• 初始化：$\beta_T(i)=1$
• 状态转移：$\beta_t(i)=\sum_{j=1}^Na_{ij}b_j(y_{t+1})\beta_{t+1}(j)$
• 结果：$P(\boldsymbol{\mathrm{y}}\mid\lambda)=\sum_{i=1}^{N}\pi_ib_i(y_1)\beta_1(i)$

5 状态预测（问题二）

5.1 近似算法

近似算法就是朴素的贪心算法，即在每个时刻 $t$ 选取在该时刻最有可能出现的状态 $y_t^*$.

给定模型 $\lambda$ 和观测序列 $\boldsymbol{\mathrm{x}}=\{x_1,x_2,\dots,x_T\}$，在时刻 $t$ 时，系统处于状态 $s_i$ 的概率 $\gamma_t(i)$ 为：

$$ \gamma_t(i)=\frac{\alpha_t(i)\beta_t(i)}{P(\boldsymbol{\mathrm{x}}\mid\lambda)}=\frac{\alpha_t(i)\beta_t(i)}{\sum_{j=1}^N\alpha_t(j)\beta_t(j)} $$

那么，对于每一时刻选取最有可能出现的状态：

$$ y_t^*=\arg\max_{1\leq i\leq N}\gamma_t(i) $$

即可得到预测的状态序列：$\boldsymbol{\mathrm{y}}^*=\{y_1^*,y_2^*,\dots,y_n^*\}$​

容易发现，因为该算法完全忽略了相邻状态的限制，该算法求到的序列有可能是实际中不可能存在的非法序列。

即可能会发生，对于相邻状态 $y_{t}^*=s_i$ 和 $y_{t+1}^*=s_j$，它们不可能进行转移 $a_{i,j}=0$.

5.2 维特比 (Viterbi) 算法

维特比算法是一种动态规划算法，它的核心思路是：如果最优路径在时刻 $t$ 通过状态 $y_t^*$，那么该路径从 $1\sim t$ 的部分一定是所有可能的路径中最优的部分。

定义在时刻 $t$ 时，状态为 $s_i$ 的所有状态路径 $(y_1,y_2,\cdots,y_t)$ 中概率的最大值为：

$$ \delta_t(i)=\max_{y_1,y_2,\cdots,y_t}P(y_t=s_i,y_{t-1},y_{t-2},\cdots,y_1,x_t,\cdots,x_1\mid\lambda) $$

那么，变量 $\delta$ 的转移方式即为：

$$ \delta_{t+1}(i)=\max_{1\leq j\leq N}[\delta_t(j)a_{s_j,s_i}]\cdot b_{s_i}(y_{t+1}) $$

另外再记在时刻 $t$ 时，状态为 $s_i$ 的所有状态路径 $(y_1,y_2,\cdots,y_t)$ 中概率的最大的路径的上一个节点（即 $t-1$ 时刻节点）为：

$$ \psi_t(i)=\arg\max_{1\leq j\leq N}[\delta_{t-1}(j)a_{s_j,s_i}] $$

通俗来说 $\psi$ 这个变量就相当于动态规划里的 $\mathrm{prev}$ 指针，用来后期回溯用的。

那么接下来，维特比算法的步骤为：

• 初始化：$\delta_1(i)=\pi_ib_i(y_1),\;\psi_1(i)=0$.
• 递推：根据上文转移公式，通过 $\delta_{t-1}$ 计算出 $\delta_t$ 和 $\psi_t$.
• 结果：$P^*=\max_{1\leq i\leq N}\delta_T(i),\;y_T^*=\arg\max_{1\leq i\leq N}\delta_T(i)$​
• 反向回溯：$i_t^*=\psi_{t+1}(i_{t+1}^*)$

例题：

HMM 模型参数和上一个例题一致，区别是本题求的是最可能的状态序列 $\boldsymbol{\mathrm{y}}^*=\{y_1^*,y_2^*,\dots,y_n^*\}$.

答案：

• $P^*=\max_{1\leq i\leq 3}\delta_4(i)=0.0387072$
• $y_4^*=\arg\max_{1\leq i\leq 3}\delta_4(i)=2$
• $\boldsymbol{\mathrm{y}}^*=\{1,2,2,2\}$

6 参数学习（问题三）

6.1 极大似然估计（有监督）

如果我们同时拥有观测序列和其对应的状态序列，那么就可以用监督学习的方法进行参数学习。

假设训练数据包含 $S$ 个长度相同的观测序列和对应的状态序列：$\{(\boldsymbol{\mathrm{x}}_1,\boldsymbol{\mathrm{y}}_1),(\boldsymbol{\mathrm{x}}_2,\boldsymbol{\mathrm{y}}_2),\dots,(\boldsymbol{\mathrm{x}}_S,\boldsymbol{\mathrm{y}}_S)\}$

估计 $\boldsymbol{\mathrm{A}}$

设训练数据中，从状态 $i$ 转移到状态 $j$ 的频数为 $C_{ij}$，那么：

$$ \hat{a}_{ij}=\frac{C_{ij}}{\sum_{k=1}^NC_{ik}} $$

估计 $\boldsymbol{\mathrm{B}}$

设训练数据中，状态为 $i$ 时观测为 $s_j$ 的频数为 $C_{ij}$，那么：

$$ \hat{b}_{ij}=\frac{C_{ij}}{\sum_{k=1}^{M}C_{ik}} $$

估计 $\boldsymbol{\pi}$

设 $S$ 个训练数据中，初始状态为 $s_i$ 的频数为 $C_i$，那么：

$$ \pi_i=\frac{C_i}{S} $$

6.2 Baum-Welch 算法（无监督）

如果我们只拥有观测序列，那么就只能用无监督的方式学习。

本方法基于 EM 算法：https://io.zouht.com/113.html 具体推导省略

$$ a_{ij}=\frac{\sum_{t=1}^{T-1}P(\boldsymbol{\mathrm{x}},y_t=s_i,y_{t+1}=s_j\mid\bar{\lambda})}{\sum_{t=1}^{T-1}P(\boldsymbol{\mathrm{x}},y_t=s_i\mid\bar{\lambda})}\\ b_{jk}=\frac{\sum_{t=1}^TP(\boldsymbol{\mathrm{x}},y_t=s_j\mid\bar{\lambda})I(x_t=s_k)}{\sum_{t=1}^TP(\boldsymbol{\mathrm{x}},y_t=s_j\mid\bar{\lambda})}\\ \pi_i=\frac{P(\boldsymbol{\mathrm{x}},y_1=s_i\mid\bar{\lambda})}{P(\boldsymbol{\mathrm{x}}\mid\bar{\lambda})} $$