赌场圣手（从不失手）——隐马尔可夫！
賭場圣手（從不失手）——隱馬爾可夫！
隱馬爾可夫（HMM）好講，但簡單易懂不好講。我想說個通俗易懂的例子，希望我的讀者不是專家，而是對這個問題感興趣的入門者，所以我會多闡述數學思想，少寫公式。霍金曾經說過，你多寫一個公式，就會少一半的讀者。所以時間簡史這本關于物理的書和麥當娜關于性的書賣的一樣好。我會效仿這一做法，寫最通俗易懂的答案。
還是用最經典的例子，擲骰子。假設我手里有三個不同的骰子。第一個骰子是我們平常見的骰子（稱這個骰子為D6），6個面，每個面（1，2，3，4，5，6）出現的概率是1/6。第二個骰子是個四面體（稱這個骰子為D4），每個面（1，2，3，4）出現的概率是1/4。第三個骰子有八個面（稱這個骰子為D8），每個面（1，2，3，4，5，6，7，8）出現的概率是1/8。
假設我們開始擲骰子，我們先從三個骰子里挑一個，挑到每一個骰子的概率都是1/3。然后我們擲骰子，得到一個數字，1，2，3，4，5，6，7，8中的一個。不停的重復上述過程，我們會得到一串數字，每個數字都是1，2，3，4，5，6，7，8中的一個。例如我們可能得到這么一串數字（擲骰子10次）：1 6 3 5 2 7 3 5 2 4
這串數字叫做可見狀態鏈。但是在隱馬爾可夫模型中，我們不僅僅有這么一串可見狀態鏈，還有一串隱含狀態鏈。在這個例子里，這串隱含狀態鏈就是你用的骰子的序列。比如，隱含狀態鏈有可能是：D6 D8 D8 D6 D4 D8 D6 D6 D4 D8
一般來說，HMM中說到的馬爾可夫鏈其實是指隱含狀態鏈，因為隱含狀態（骰子）之間存在轉換概率（transition probability）。在我們這個例子里，D6的下一個狀態是D4，D6，D8的概率都是1/3。D4，D8的下一個狀態是D4，D6，D8的轉換概率也都一樣是1/3。這樣設定是為了最開始容易說清楚，但是我們其實是可以隨意設定轉換概率的。比如，我們可以這樣定義，D6后面不能接D4，D6后面是D6的概率是0.9，是D8的概率是0.1。這樣就是一個新的HMM。
同樣的，盡管可見狀態之間沒有轉換概率，但是隱含狀態和可見狀態之間有一個概率叫做輸出概率（emission probability）。就我們的例子來說，六面骰（D6）產生1的輸出概率是1/6。產生2，3，4，5，6的概率也都是1/6。我們同樣可以對輸出概率進行其他定義。比如，我有一個被賭場動過手腳的六面骰子，擲出來是1的概率更大，是1/2，擲出來是2，3，4，5，6的概率是1/10。
其實對于HMM來說，如果提前知道所有隱含狀態之間的轉換概率和所有隱含狀態到所有可見狀態之間的輸出概率，做模擬是相當容易的。但是應用HMM模型時候呢，往往是缺失了一部分信息的，有時候你知道骰子有幾種，每種骰子是什么，但是不知道擲出來的骰子序列；有時候你只是看到了很多次擲骰子的結果，剩下的什么都不知道。如果應用算法去估計這些缺失的信息，就成了一個很重要的問題。這些算法我會在下面詳細講。
和HMM模型相關的算法主要分為三類，分別解決三種問題：
1）知道骰子有幾種（隱含狀態數量），每種骰子是什么（轉換概率），根據擲骰子擲出的結果（可見狀態鏈），我想知道每次擲出來的都是哪種骰子（隱含狀態鏈）。
這個問題呢，在語音識別領域，叫做解碼問題。這個問題其實有兩種解法，會給出兩個不同的答案。每個答案都對，只不過這些答案的意義不一樣。第一種解法求最大似然狀態路徑，說通俗點呢，就是我求一串骰子序列，這串骰子序列產生觀測結果的概率最大。第二種解法呢，就不是求一組骰子序列了，而是求每次擲出的骰子分別是某種骰子的概率。比如說我看到結果后，我可以求得第一次擲骰子是D4的概率是0.5，D6的概率是0.3，D8的概率是0.2.第一種解法我會在下面說到，但是第二種解法我就不寫了。
2）還是知道骰子有幾種（隱含狀態數量），每種骰子是什么（轉換概率），根據擲骰子擲出的結果（可見狀態鏈），我想知道擲出這個結果的概率。
看似這個問題意義不大，因為你擲出來的結果很多時候都對應了一個比較大的概率。問這個問題的目的呢，其實是檢測觀察到的結果和已知的模型是否吻合。如果很多次結果都對應了比較小的概率，那么就說明我們已知的模型很有可能是錯的，有人偷偷把我們的骰子給換了。
3）知道骰子有幾種（隱含狀態數量），不知道每種骰子是什么（轉換概率），觀測到很多次擲骰子的結果（可見狀態鏈），我想反推出每種骰子是什么（轉換概率）。
這個問題很重要，因為這是最常見的情況。很多時候我們只有可見結果，不知道HMM模型里的參數，我們需要從可見結果估計出這些參數，這是建模的一個必要步驟。
問題闡述完了，下面就開始說解法。（0號問題在上面沒有提，只是作為解決上述問題的一個輔助）
0.一個簡單問題
其實這個問題實用價值不高。由于對下面較難的問題有幫助，所以先在這里提一下。
知道骰子有幾種，每種骰子是什么，每次擲的都是什么骰子，根據擲骰子擲出的結果，求產生這個結果的概率。
解法無非就是概率相乘：
1.看見不可見的，破解骰子序列
這里我說的是第一種解法，解最大似然路徑問題。
舉例來說，我知道我有三個骰子，六面骰，四面骰，八面骰。我也知道我擲了十次的結果（1 6 3 5 2 7 3 5 2 4），我不知道每次用了那種骰子，我想知道最有可能的骰子序列。
其實最簡單而暴力的方法就是窮舉所有可能的骰子序列，然后依照第零個問題的解法把每個序列對應的概率算出來。然后我們從里面把對應最大概率的序列挑出來就行了。如果馬爾可夫鏈不長，當然可行。如果長的話，窮舉的數量太大，就很難完成了。
另外一種很有名的算法叫做Viterbi algorithm.。要理解這個算法，我們先看幾個簡單的列子。
首先，如果我們只擲一次骰子：
看到結果為1.對應的最大概率骰子序列就是D4，因為D4產生1的概率是1/4，高于1/6和1/8.
把這個情況拓展，我們擲兩次骰子：
結果為1，6.這時問題變得復雜起來，我們要計算三個值，分別是第二個骰子是D6，D4，D8的最大概率。顯然，要取到最大概率，第一個骰子必須為D4。這時，第二個骰子取到D6的最大概率是
同樣的，我們可以計算第二個骰子是D4或D8時的最大概率。我們發現，第二個骰子取到D6的概率最大。而使這個概率最大時，第一個骰子為D4。所以最大概率骰子序列就是D4 D6。
繼續拓展，我們擲三次骰子：
同樣，我們計算第三個骰子分別是D6，D4，D8的最大概率。我們再次發現，要取到最大概率，第二個骰子必須為D6。這時，第三個骰子取到D4的最大概率是
同上，我們可以計算第三個骰子是D6或D8時的最大概率。我們發現，第三個骰子取到D4的概率最大。而使這個概率最大時，第二個骰子為D6，第一個骰子為D4。所以最大概率骰子序列就是D4 D6 D4。
寫到這里，大家應該看出點規律了。既然擲骰子一二三次可以算，擲多少次都可以以此類推。我們發現，我們要求最大概率骰子序列時要做這么幾件事情。首先，不管序列多長，要從序列長度為1算起，算序列長度為1時取到每個骰子的最大概率。然后，逐漸增加長度，每增加一次長度，重新算一遍在這個長度下最后一個位置取到每個骰子的最大概率。因為上一個長度下的取到每個骰子的最大概率都算過了，重新計算的話其實不難。當我們算到最后一位時，就知道最后一位是哪個骰子的概率最大了。最后，我們要把對應這個最大概率的序列從后往前推出來。
2.誰動了我的骰子？
比如說你懷疑自己的六面骰被賭場動過手腳了，有可能被換成另一種六面骰，這種六面骰擲出來是1的概率更大，是1/2，擲出來是2，3，4，5，6的概率是1/10。你怎么辦么？答案很簡單，算一算正常的三個骰子擲出一段序列的概率，再算一算不正常的六面骰和另外兩個正常骰子擲出這段序列的概率。如果前者比后者小，你就要小心了。
比如說擲骰子的結果是：
要算用正常的三個骰子擲出這個結果的概率，其實就是將所有可能情況的概率進行加和計算。同樣，簡單而暴力的方法就是把窮舉所有的骰子序列，還是計算每個骰子序列對應的概率，但是這回，我們不挑最大值了，而是把所有算出來的概率相加，得到的總概率就是我們要求的結果。這個方法依然不能應用于太長的骰子序列（馬爾可夫鏈）。
我們會應用一個和前一個問題類似的解法，只不過前一個問題關心的是概率最大值，這個問題關心的是概率之和。解決這個問題的算法叫做前向算法（forward algorithm）。
首先，如果我們只擲一次骰子：
看到結果為1.產生這個結果的總概率可以按照如下計算，總概率為0.18：
把這個情況拓展，我們擲兩次骰子：
看到結果為1，6.產生這個結果的總概率可以按照如下計算，總概率為0.05：
繼續拓展，我們擲三次骰子：
看到結果為1，6，3.產生這個結果的總概率可以按照如下計算，總概率為0.03：
同樣的，我們一步一步的算，有多長算多長，再長的馬爾可夫鏈總能算出來的。用同樣的方法，也可以算出不正常的六面骰和另外兩個正常骰子擲出這段序列的概率，然后我們比較一下這兩個概率大小，就能知道你的骰子是不是被人換了。
上述算法呢，其實用到了遞歸，逆向推導，循環這些方法，我只不過用很直白的語言寫出來了。如果你們去看專業書籍呢，會發現更加嚴謹和專業的描述。畢竟，我只做了會其意，要知其形，還是要看書的。
作者認為，要了解一個算法，要做到以下兩點：會其意，知其形。作者回答的，其實主要是第一點。但是這一點呢，恰恰是最重要，而且很多書上不會講的。正如你在追一個姑娘，姑娘對你說“你什么都沒做錯！”你要是只看姑娘的表達形式呢，認為自己什么都沒做錯，顯然就理解錯了。你要理會姑娘的意思，“你趕緊給我道歉！”這樣當你看到對應的表達形式呢，趕緊認錯，跪地求饒就對了。數學也是一樣，你要是不理解意思，光看公式，往往一頭霧水。不過呢，數學的表達頂多也就是晦澀了點，姑娘的表達呢，有的時候就完全和本意相反。所以作者一直認為理解姑娘比理解數學難多了。
? ?哈爾莫斯：怎樣做數學研究
? ?扎克伯格2017年哈佛大學畢業演講
? ?線性代數在組合數學中的應用
? ?你見過真的菲利普曲線嗎？
? ?支持向量機(SVM)的故事是這樣子的
? ?深度神經網絡中的數學，對你來說會不會太難？
? ?編程需要知道多少數學知識？
? ?陳省身——什么是幾何學
? ?模式識別研究的回顧與展望
? ?曲面論
? ?自然底數e的意義是什么？
? ?如何向5歲小孩解釋什么是支持向量機（SVM）？
? ?華裔天才數學家陶哲軒自述
? ?代數，分析，幾何與拓撲，現代數學的三大方法論
算法數學之美微信公眾號歡迎賜稿
稿件涉及數學、物理、算法、計算機、編程等相關領域。
稿件一經采用，我們將奉上稿酬。
投稿郵箱：math_alg@163.com
總結
以上是生活随笔為你收集整理的赌场圣手（从不失手）——隐马尔可夫！的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 太阳系其实是被造出来的！来，用视觉聆听宇
- 下一篇： 对抗攻击(1)