[머신러닝] Hidden Markov Model – 보이지 않는 상태를 추적하다

머신러닝 세계에는 수많은 모델이 있지만, 시간에 따라 변화하는 데이터를 다루는 데 강력한 도구가 있습니다. 바로 Hidden Markov Model (HMM).

"결과는 보이지만, 원인은 숨겨져 있다!" – 숨겨진 상태를 추론하는 마법 같은 모델 HMM은 언제 쓰일까?

음성 인식: 소리의 흐름에서 말한 단어 추정 품사 태깅: 문장에서 각 단어의 품사를 추정 유전자 분석: DNA 염기서열에서 기능 영역 추정 사용자의 웹 클릭 패턴 분석 등등, 시간 흐름에 따라 상태가 바뀌는 상황에 매우 유용합니다. Markov Model 먼저 이해하기 마르코프 모델(Markov Model)은 이 원리를 따릅니다: "현재 상태는 오직 바로 직전 상태에만 의존한다."

예: 비가 오는가? → 어제 날씨만 보면 된다.

주가가 오를까? → 어제의 가격만 보면 예측이 된다.

(물론 현실은 복잡하지만, 단순화를 위한 전제입니다.) 이걸 Markov property라고 합니다.

Hidden Markov Mod...