深入理解机器学习——概率图模型（Probabilistic Graphical Model）：隐马尔可夫模型（Hidden Markov Model，HMM）

---

机器学习最重要的任务，是根据一些已观察到的证据（例如训练样本）来对感兴趣的未知变量（例如类别标记）进行估计和推测。概率模型提供了一种描述框架，将学习任务归结于计算变量的概率分布。在概率模型中，利用已知变量推测未知变量的分布称为“推断”，其核心是如何基于可观测变量推测出未知变量的条件分布。具体来说，假定所关心的变量集合为$Y$，可观测变量集合为0，其他变量的集合为$R$，“生成式（Generative）”模型考虑联合分布$P(Y, P, O)$，“判别式（Discriminative）”模型考虑条件分布$P(Y, P | O)$。给定一组观测变量值，推断就是要由$P(Y, P, O)$或$P(Y, P | O)$得到条件概率分布$P(Y | O)$。

直接利用概率求和规则消去变量$R$显然不可行，因为即便每个变量仅有两种取值的简单问题，其复杂度已至少是$O(2^{|Y|+|R|})$。另一方面，属性变量之间往往存在复杂的联系，因此概率模型的学习，即基于训练样本来估计变量分布的参数往往相当困难。为了便于研究高效的推断和学习算法，需有一套能简洁紧读地表达变量间关系的工具。

概率图模型（Probabilistic Graphical Model）是一类用图来表达变量相关关系的概率模型。它以图为表示工具，最常见的是用一个结点表示一个或一组随机变量，结点之间的边表示变量间的概率相关关系，即“变量关系图”。根据边的性质不同，概率图模型可大致分为两类：

• 有向图模型/贝叶斯网（Bayesian Network）：使用有向无环图表示变量间的依赖关系
• 无向图模型/马尔可夫网（Markov Network）：使用无向图表示变量间的相关关系

隐马尔可夫模型（Hidden Markov Model，HMM）是结构最简单的动态贝叶斯网（Dynamic Bayesian Network），这是一种著名的有向图模型，主要用于时序数据建模，在语音识别、自然语言处理等领域有广泛应用。

如下图所示，隐马尔可夫模型中的变量可分为两组，第一组是状态变量$\{y_1, y_2, \cdots, y_n\}$，其中$y_i\in \mathcal{Y}$表示第$i$时刻的系统状态，通常假定状态变量是隐藏的、不可被观测的，因此状态变量亦称隐变量（Hidden Variable）。第二组是观测变量$\{x_1, x_2, \cdots, x_n\}$，其中$x_i\in \mathcal{X}$表示第$i$时刻的观测值。在隐马尔可夫模型中，系统通常在多个状态$\{s_1, s_2, \cdots, s_N\}$之间转换，因此状态变量$y_i$的取值范围$\mathcal{Y}$，即状态空间，通常是有$N$个可能取值的离散空间。观测变量$x_i$，可以是离散型也可以是连续型，为便于讨论，我们仅考虑离散型观测变量，并假定其取值范围$\mathcal{X}$为$\{o_1, o_2, \cdots, o_m\}$。

上图中的箭头表示了变量间的依赖关系。在任一时刻，观测变量的取值仅依赖于状态变量，即$x_t$由$y_t$确定，与其他状态变量及观测变量的取值无关同时，$t$时刻的状态$y_t$仅依赖于$t-1$时刻的状态$y_{t-1}$，与其余$n-2$个状态无关。这就是所谓的“马尔可夫链”（Markov Chain），即：系统下一时刻的状态仅由当前状态决定，不依赖于以往的任何状态。基于这种依赖关系，所有变量的联合概率分布为：

$P(x_1, x_2, \cdots, x_n, y_n)=P(y_1)P(x_1|y_1)\prod_{i=2}^nP(y_i|y_{i-1})P(x_i|y_i)$

除了结构信息，欲确定一个隐马尔可夫模型还需以下三组参数：

• 状态转移概率：模型在各个状态间转换的概率，通常记为矩阵$A=[a_{i, j}]_{N\times N}$，其中：$a_{i, j}=P(y_{t+1}=s_j | y_t=s_i), 1\leq i, j\leq N$表示在任意时刻$t$，若状态为$s_i$，则在下一时刻状态为$s_j$的概率。
• 输出观测概率：模型根据当前状态获得各个观测值的概率，通常记为矩阵$B=[b_{i, j}]_{N\times M}$其中：$b_{i, j}=P(x_t=o_j | y_t=s_i), 1\leq i\leq N, 1\leq j\leq M$表示在任意时刻$t$，若状态为$s_i$，则观测值$o_j$被获取的概率。
• 初始状态概率：模型在初始时刻各状态出现的概率，通常记为$\pi=(\pi_1, \pi_2, \cdots, \pi_N)$，其中：$\pi_i=P(y_1=s_i), 1\leq i\leq N$表示模型的初始状态为$s_i$的概率。

通过指定状态空间$\mathcal{Y}$、观测空间$\mathcal{X}$和上述三组参数，就能确定一个隐马尔可夫模型，通常用其参数$\lambda=[A, B, \pi]$来指代。给定隐马尔可夫模型$\lambda$，它按如下过程产生观测序列$\{x_1, x_2, \cdots, x_n\}$：

1. 设置$t=1$，并根据初始状态概率$\pi$选择初始状态$y_1$
2. 根据状态$y_t$和输出观测概率$B$选择观测变量取值$x_t$
3. 根据状态$y_t$和状态转移矩阵$A$转移模型状态，即确定$y_{t+1}$
4. 若$t<n$，设置$t=t+1$，并转到第2步，否则停止

其中$y_t\in\{s_1, s_2, \cdots, s_N\}$和$x_t\in\{o_1, o_2, \cdots, o_N\}$分别为第$t$时刻的状态和观测值。

在实际应用中，人们常关注隐马尔可夫模型的三个基本问题：

• 给定模型$\lambda=[A, B, \pi]$，如何有效计算其产生观测序列$x=\{x_1, x_2, \cdots, x_n\}$的概率$P(x|\lambda)$。换言之，如何评估模型与观测序列之间的匹配程度。
• 给定模型$\lambda=[A, B, \pi]$和观测序列$x=\{x_1, x_2, \cdots, x_n\}$，如何找到与此序列推断出隐藏的模型状态$y=\{y_1, y_2, \cdots, y_n\}$。换言之，如何根据观测序列推断出隐藏的模型状态。
• 给定观测序列$x=\{x_1, x_2, \cdots, x_n\}$，如何调整模型参数$\lambda=[A, B, \pi]$使得该序列出现的概率$P(x|\lambda)$最大。换言之，如何训练模型使其能最好地描述观测数据。

上述问题在现实应用中非常重要。例如许多任务需根据以往的观测序列$x=\{x_1, x_2, \cdots, x_n\}$来推测当前时刻最有可能的观测值$x_n$，这显然可转化为求取概率$P(x|\lambda)$，即上述第一个问题；在语音识别等任务中，观测值为语音信号，隐藏状态为文字，目标就是根据观测信号来推断最有可能的状态序列（即对应的文字），即上述第二个问题；在大多数现实应用中，人工指定模型参数已变得越来越不可行，如何根据训练样本学得最优的模型参数，怡是上述第三个问题，值得庆幸的是，基于条件独立性，隐马尔可夫模型的这三个问题均能被高效求解。

参考文献：
[1] 周志华. 机器学习[M]. 清华大学出版社, 2016.