GMM 和 HMM 的区别
Difference between GMM and HMM
据我了解：
- GMM是一个概率模型，可以模拟正态分布的N个子种群。 GMM 中的每个分量都是高斯分布
分布.
- HMM是一个带有隐藏状态的统计马尔可夫模型。当数据连续时，每个隐藏状态被建模为高斯分布
分布.
如果这两个信息是正确的，那么GMM和HMM有什么区别？
另外，在时间序列的情况下（连续数据），每个状态是一个且只有一个高斯分布？没有发射概率矩阵 ?
感谢您的帮助！！！ :)
这两条信息不正确。首先，您必须了解 'process' 与随机变量 (RV)。 HMM，即使它的名字是 'model' 实际上它是一个（随机）过程，RV(s) 随时间索引 t 变化。 GMM通常用于过程的排放（HMM）。将 HMM 与 GMM 进行比较并不是苹果与苹果的比较，一个 HMM 是一个随机过程，即使它的名字是一个模型。而GMM与随机变量的分布有关。 HMM 需要时间索引（t 或 n），而 GMM 不需要。
Q：还有，在时间序列的情况下（连续数据），每个状态是一个且唯一的一个高斯分布？没有发射概率矩阵？
A：这个问题看不懂
据我了解：
- GMM是一个概率模型，可以模拟正态分布的N个子种群。 GMM 中的每个分量都是高斯分布 分布.
- HMM是一个带有隐藏状态的统计马尔可夫模型。当数据连续时，每个隐藏状态被建模为高斯分布 分布.
如果这两个信息是正确的，那么GMM和HMM有什么区别？
另外，在时间序列的情况下（连续数据），每个状态是一个且只有一个高斯分布？没有发射概率矩阵 ?
感谢您的帮助！！！ :)
这两条信息不正确。首先，您必须了解 'process' 与随机变量 (RV)。 HMM，即使它的名字是 'model' 实际上它是一个（随机）过程，RV(s) 随时间索引 t 变化。 GMM通常用于过程的排放（HMM）。将 HMM 与 GMM 进行比较并不是苹果与苹果的比较，一个 HMM 是一个随机过程，即使它的名字是一个模型。而GMM与随机变量的分布有关。 HMM 需要时间索引（t 或 n），而 GMM 不需要。
Q：还有，在时间序列的情况下（连续数据），每个状态是一个且唯一的一个高斯分布？没有发射概率矩阵？ A：这个问题看不懂