隐马尔可夫模型贝叶斯关系

【问题标题】：Hidden Markov Model Bayesian Relation隐马尔可夫模型贝叶斯关系
【发布时间】：2017-01-01 20:31:50
【问题描述】：

大家好，这是来自 udacity 的人工智能课程。我有个问题。 P(R0)=1 表示第 0 天下雨的概率为 1。这是我的问题 P（R2 | H1 G2）？意思是我们知道我在第一天很开心，在第二天脾气暴躁，第二天下雨的概率是多少

【问题讨论】：

【解决方案1】：

一些有用的数据

P(R_2|H_1, G_2) 可以简化为P(R_2|G_2)，因为没有给定的转换系数。在情绪之间（但是，这可以在天气序列中发现）。

P(R_2|G_2) = P(G_2|R_2)*P(R_2)/P(G_2) = 0.264*0.440/0.320 = 0.363

【讨论】：

我不明白你是如何将 P(R_2|H_1, G_2) 减少到 P(R_2|G_2) 的。你能解释一下吗
链接ifi.uzh.ch/dam/jcr:00000000-2826-155d-ffff-ffff86200612/… 图4.3 p(R2|S1,W2)如何计算？（这意味着如果我在第 2 天步行并在第 1 天购物，第 2 天下雨的概率是多少）我不想回答。只想学习如何用 3 个参数编写这个贝叶斯公式。