Hidden Markov Model (HMM)
Hidden Markov model (HMM)은 모델링하는 시스템이 미지의 변수를 가진 Markov process 일 것이라고 가정하여,
관측된 변수로 부터 숨겨진 변수를 결정하려는 하나의 통계모델이다.
Regular Markov model(RMM)은 상태를 관찰자가 직접 볼 수 있기 때문에 상태 전이 확률은 유일한 변수가 된다. 그
러나 HMM은 출력이 더해진다. 그러나 각각의 상태는 가능한 출력 토큰에 대한 확률분포를 가지게 되고 HMM에 의해
생성된 토큰들의 순서를 봄으로써 순서를 직접 알수 있는것은 아니다.즉, 출력치만 관찰되고 상태의 흐름은 관측되지
못한 경우에 사용하므로 은닉 마코프 모델이라고 부르는 것이다. HMM의 응용분야는 광학문자인식, 자연어처리,
생물정보학등에 이용된다.