Zu dieser Karteikarte gibt es einen kompletten Satz an Karteikarten. Kostenlos!

Das Markov Modell ist zur Modellierung von Sequenzen geeignet, d.h. es modelliert explizit die Abhängigkeit zwischen den Samples.
Die iid Anname wird zum Teil vernachlässigt.

Das Markov Modell besteht aus einer Menge der Zustände, den Anfangswahrscheinlichkeiten und den Übergangswahrscheinlichkeiten .
Die Übergangswahrscheinlichkeiten sind in der Übergangsmatrix A zusammengefasst.

Ein Problem für das Markov Modell ist die Tatsache das die Anzahl an Wahrscheinlichkeiten exponentiell mit der Satzlänge N steigt. Bei 1000 States (z.b. Wörter) und einer Satzlänger von N= 10 gibt es bereits 1000^10 Wahrscheinlichkeiten.
Durch das Einführen des Kontext kann man sich hier abhilfe schaffen. Dbaei werden nur Sequenzen bestimmter länger zusammen bewertet.