Эффект количества состояний в классификаторе на основе скрытой марковской модели

Как правило, если количество состояний не очень велико, точность будет увеличиваться с увеличением количества скрытых состояний в классификации. Если количество состояний велико, точность уже не увеличится. А увеличение количества скрытых состояний приведет к большему количеству вычислений.

Пусть N будет количеством состояний, а T будет длиной вашего состояния и последовательности наблюдений:

Если вы хотите рассчитать P (Наблюдения (до t), Состояние (t) = S | Модель) напрямую, для этого требуется порядка 2 * T * (N ^ T) вычислений. Поэтому не стоит пытаться вычислить эту вероятность напрямую.

Если вместо этого вы хотите использовать алгоритм «вперед-назад», он требует порядка (N ^ 2) * T вычислений, что значительно быстрее, чем прямой подход.

Таким образом, для 2 состояний и 10 моментов времени вам нужно будет сделать (2 ^ 2) * 10 = 40 вычислений, чтобы получить P (Наблюдения (до t), Состояние (t) = S | Модель) с вперед-назад алгоритм.

# States    # Calculations
   2  ->        40
   3  ->        90
   4  ->        160
   5  ->        250
   ...