这两天我一直在寻找HMM和CRF之间的区别。
为了防止在采访间隙出现这样的问题，我准备了几个自问来总结这两天的收获。
[En]
In order to prevent this kind of questions between interviews, I have prepared a few self-questions to sum up the gains of the past two days.
首先HMM模型，能不能简要的概括？
隐马尔可夫模型由两个序列组成，一个称为状态序列，另一个称为表示序列。我们主要通过表征序列来推测他的状态。表示序列是可见的，而状态序列是不可见的。并且每个状态序列的部分只与它之前的部分相关，这代表了隐马尔可夫模型，这是一个有向图模型。表示序列仅与其对应的状态序列相关。
[En]
Hidden Markov model is composed of two sequences, one sequence is called state sequence, and the other is called representation sequence. We mainly speculate his state through representation sequence. The representation sequence is visible and the state sequence is invisible. And the part of each state sequence is only related to the part before it, which represents the hidden Markov model, which is a directed graph model. The representation sequence is only related to its corresponding state sequence.
隐马尔可夫模型介绍_u013677156的专栏-CSDN博客
你能总结一下条件随机域吗？
[En]
Can you summarize the conditional random field?
条件随机场类似于隐马尔可夫模型，但最大的问题是条件随机场可以使用全局状态序列，而隐马尔可夫模型使用的是状态序列，只与前一状态和前一状态相关。
[En]
The conditional random field is similar to the hidden Markov model, but the biggest problem is that the conditional random field can use the global state sequence, while the hidden Markov model uses the state sequence, which is only related to the previous state and the previous state.
概率图(一)–HMM与CRF对比_atarik@163.com-CSDN博客
能不能说一下HMM和CRF之间的区别？
HMM是生成模型，使用的是联合概率分布，CRF是判别模型使用的是条件概率分布。 HMM的生成模型主要体现在两个方面，它主要是有两个条件，一个是当前状态的表现，一个是当前状态的上一个状态。CRF使用的是条件概率分布，他使用的意思是当当产生当已知当前状态的表现的时候，来求这个状态的概率。他这个状态不仅仅依赖于上一个状态的概率。
HMM的无法使用多以一个标记的特征，而CRF可以使用多个标记的特征。
Original: https://blog.csdn.net/qq_38148600/article/details/121194388
Author: 有梦想的鱼
Title: HMM与CRF的总结（仅供参考，建议大家看李宏毅老师的视频）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/512329/
转载文章受原作者版权保护。转载请注明原作者出处！