Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Modelos ocultos de Markov

Modelos de Markov para la generación de datos

Procesos de Markov son ejemplos de procesos estocásticos — procesos que generan secuencias aleatorias de resultados o Estados según ciertas probabilidades. Los procesos de Markov se distinguen por ser sin memoria — su próximo estado depende sólo de su estado actual, no de la historia que los condujo allí. Los modelos de los procesos de Markov se utilizan en una amplia variedad de aplicaciones, desde los precios de las acciones diarias hasta las posiciones de los genes en un cromosoma. Modelos ocultos de Markov (Hmm) buscan recuperar la secuencia de Estados que generaron un conjunto dado de datos observados.

Funciones

hmmdecodeHidden Markov model posterior state probabilities
hmmestimateHidden Markov model parameter estimates from emissions and states
hmmgenerateHidden Markov model states and emissions
hmmtrainHidden Markov model parameter estimates from emissions
hmmviterbiHidden Markov model most probable state path

Temas

Hidden Markov Models (HMM)

Estimate Markov models from data.

Markov Chains

Markov chains are mathematical descriptions of Markov models with a discrete set of states.