使用 Python 实现 HMM 的示例代码

下面是一个简单的 HMM 模型的 Python 代码示例，它使用了经典的隐马尔可夫模型（HMM）用于自然语言处理（NLP）的例子，即标记噪声词的词性标注任务。在这个例子中，我们假设已经知道了 HMM 的转移概率矩阵、发射概率矩阵和初始概率向量，并且我们要用这些信息来计算一个给定观测序列的最大概率。

import numpy as np

def forward(obs_seq, states, start_prob, trans_prob, emit_prob):
    """
    进行前向计算，计算观测序列的最大概率
    """
    T = len(obs_seq)
    N = len(states)

    # 初始化前向概率矩阵
    fwd = np.zeros((T, N))
    fwd[0, :] = start_prob * emit_prob[:, obs_seq[0]]

    # 递推计算前向概率
    for t in range(1, T):
        for j in range(N):
            fwd[t, j] = np.dot(fwd[t-1, :], trans_prob[:, j]) * emit_prob[j, obs_seq[t]]

    # 返回观测序列的概率
    return np.sum(fwd[T-1, :])

def main():
    # 状态集合
    states = ('Healthy', 'Fever')

    # 观测集合
    observations = ('normal', 'cold', 'dizzy')

    # 初始概率向量
    start_prob = np.array([0.6, 0.4])

    # 转移概率矩阵
    trans_prob = np.array([[0.7, 0.3],
                           [0.4, 0.6]])

    # 发射概率矩阵
    emit_prob