隐马尔可夫模型

hmm是一个早期开源项目。这意味着API可以随时更改。如果您认为这个库可以帮助您，请告诉我。我们可以讨论未来的方向并尝试稳定API。

特性

• Viterbi MAP估计

示例

假设我们有两枚硬币

• 公平硬币，以1/2的概率生成H（正面）和T（反面）
• 有偏硬币 - H: 1/4，T: 3/4的概率

我们还知道，每次投掷后，我们可以以以下概率切换硬币

• 使用同一枚硬币：3/4
• 切换硬币：1/4

第一次投掷硬币的概率为1/2

使用这个库，我们可以回答以下问题

给定观察结果'H H T T T'，每次投掷使用了哪些硬币？

让我们构建HMM模型并检查答案

extern crate hmm;

use hmm::models::{HiddenMarkov};


fn main() {
    let initials = vec![0.5, 0.5];
    let st = vec![ vec![0.75, 0.25],
                   vec![0.25, 0.75]];
    let obs = vec![ vec![0.5, 0.5],
                    vec![0.25, 0.75]];
    let hmm = HiddenMarkov::new(initials, st, obs).unwrap();
    let coins = hmm.map_estimate(vec![0, 0, 1, 1, 1]);
    println!("Coins used: {:?}", coins);
}

更多示例请查看 示例。

许可证

根据您的选择，许可如下

• Apache License，版本2.0，（LICENSE-APACHE 或 https://apache.ac.cn/licenses/LICENSE-2.0）
• MIT许可证（LICENSE-MIT 或 http://opensource.org/licenses/MIT）

。

贡献

除非您明确声明，否则根据Apache-2.0许可证定义的任何有意提交的工作，都应按上述方式双许可，不附加任何额外条款或条件。