快捷導(dǎo)航

python vertibi算法實(shí)現(xiàn)原理解析

更新時間：2023年07月25日 17:12:49 作者：龍仔

這篇文章主要為大家介紹了python vertibi算法實(shí)現(xiàn)原理解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

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)移動態(tài)規(guī)劃問題，歸結(jié)到相鄰兩個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step的每個state max_probablity

由于step_n依賴于 step_n-1,跟 step_n-2無關(guān)，所以可以一直如此往復(fù)，得到最后的max_prob
整個問題抽象為，下一個step依賴于上一個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)

以上就是python vertibi算法實(shí)現(xiàn)原理解析的詳細(xì)內(nèi)容，更多關(guān)于python vertibi算法的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: