Baum-Welch Algorithm
Baum-Welch 是 EM 用于 HMM 参数学习的特例：E 步用前向-后向算期望隐状态占用，M 步更新转移与发射概率。
用途
从观测序列学习 HMM 参数，无需标注隐状态。
机制
E 步：前向 α、后向 β 算 γ_t(i)=P(q_t=i|O,λ) 与 ξ_t(i,j)=P(q_t=i,q_{t+1}=j|O,λ)。M 步：用 γ/ξ 重新估计转移与发射概率。迭代至收敛。
用例
- HMM 训练
- 语音模型
- 生物序列
Baum-Welch 是 EM 用于 HMM 参数学习的特例：E 步用前向-后向算期望隐状态占用，M 步更新转移与发射概率。
从观测序列学习 HMM 参数，无需标注隐状态。
E 步：前向 α、后向 β 算 γ_t(i)=P(q_t=i|O,λ) 与 ξ_t(i,j)=P(q_t=i,q_{t+1}=j|O,λ)。M 步：用 γ/ξ 重新估计转移与发射概率。迭代至收敛。