Apache mahout中HMM（隐马尔可夫）算法的测试

　　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：