Apache mahout中HMM(隐马尔可夫)算法的测试
来源:互联网 发布:东方不败同人知离 编辑:程序博客网 时间:2024/06/15 08:30
隐马尔可夫模型(Hidden Markov Model,HMM)是概率学上的一种统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。
HMM正常主要用来解决三类问题,这三类问题对应都有相关的算法。
*1 评估问题: 前向算法
*2 解码问题: Viterbi算法
*3 学习问题: Baum-Welch算法(向前向后算法)
Mahout中居然还真的支持了这几种算法,于是进行下实验。
(1)按照mahout官方文档给的例子进行测试。(https://mahout.apache.org/users/classification/hidden-markov-models.html
首先定义一个输入:
$ echo "0 1 2 2 2 1 1 0 0 3 3 3 2 1 2 1 1 1 1 2 2 2 0 0 0 0 0 0 2 2 2 0 0 0 0 0 0 2 2 2 3 3 3 3 3 3 2 3 2 3 2 3 2 1 3 0 0 0 1 0 1 0 2 1 2 1 2 1 2 3 3 3 3 2 2 3 2 1 1 0" > hmm-input
然后进行Baum-Welch算法测试
$ export MAHOUT_LOCAL=true$ $MAHOUT_HOME/bin/mahout baumwelch -i hmm-input -o hmm-model -nh 3 -no 4 -e .0001 -m 1000
最后返回预测的结果值:
$ $MAHOUT_HOME/bin/mahout hmmpredict -m hmm-model -o hmm-predictions -l 10
轻松试验成功,搞定。结果如图所示。
(2)进行mahout例子中的词性判断例子验证,其结果如图所示:
0 0
- Apache mahout中HMM(隐马尔可夫)算法的测试
- Apache Mahout的KMeans算法测试
- 隐马尔可夫HMM中viterbi算法
- Apache Mahout 实现的机器学习算法
- Apache Mahout 实现的机器学习算法
- Apache Mahout 实现的机器学习算法
- Apache Mahout 实现的机器学习算法
- Apache Mahout的协同过滤算法分析
- apache mahout 算法集
- apache mahout 主要算法
- Apache Mahout中推荐算法Slope one源码分析
- Apache Mahout基于商品的协同过滤算法流程分析
- HMM的viterbi算法
- mahout测试naive Bayes算法
- 【算法】 隐马尔可夫模型 HMM
- hmm 算法(1)
- mahout实现的算法集(一)
- 从一个实例中学习关于HMM的Viterbi算法
- Tomcat学习之路(一)
- MAC OSX下用pip安装lxml时遇到xmlversion.h not found的解决办法
- nginx源码剖析 从main函数看nginx启动流程
- java CopyOnWriteArrayList的使用
- powerdesigner使用教程
- Apache mahout中HMM(隐马尔可夫)算法的测试
- MyBatis学习总结(三)——优化MyBatis配置文件中的配置
- 为什么操作符 + - * / 返回值应该为const
- Android FragmentPagerAdapter vs FragmentStatePagerAdapter
- 8—31对每个命令进行计时,打印从tms中提取的值
- java类同时引用父类和接口的成员变量,需要指明是父类的还是接口的
- getlasterr 错误码和错误原因
- 开源中国Android源码剖析(1)
- OpenCv学习之 addWeighted