隠れマルコフモデルとは？
かくれまるこふもでる
隠れマルコフモデルとは、直接観測できない状態の遷移が確率的に起こり、各状態から観測データが生成されると仮定する統計モデルです。
隠れマルコフモデル（Hidden Markov Model、HMM）は、確率的な状態遷移を扱う統計モデルで、1960年代後半から研究が始まり、音声認識への応用で広く知られるようになりました。
モデルの基本的な考え方は、システムが内部的に「隠れた状態」を持ち、その状態がマルコフ過程（現在の状態は直前の状態のみに依存する）に従って推移するというものです。外部からは各状態に対応する「観測値」だけが見え、状態自体は直接観測できません。
HMMを定義するパラメータは主に3つです。
- 遷移確率行列：ある状態から別の状態へ遷移する確率
- 出力確率（観測確率）：各状態から特定の観測値が生成される確率
- 初期状態確率：最初の状態の確率分布
HMMを使った主要な計算問題とアルゴリズムには、観測系列の確率計算（前向きアルゴリズム）、最尤状態系列の推定（ビタビアルゴリズム）、パラメータ推定（バウムウェルチアルゴリズム＝EMアルゴリズムの応用）があります。
音声認識の分野ではDeep Learning登場以前の主力技術として長年使われ続けました。現在でも生物の遺伝子配列解析、手書き文字認識、株価変動の体制分析など、時系列データのパターン認識に幅広く活用されています。
使い方・例文
天気の変化（晴れ・曇り・雨）という隠れた状態が、傘の持参有無という観測可能な行動として現れるという比喩がよく使われます。実用的には音声認識や品詞タグ付けなどに活躍しています。
この用語をシェア
最終更新: