目录

序列数据

自回归模型

马尔可夫假设

 潜变量模型

 序列模型总结

---

序列数据

实际中很多数据是时序结构的，如：电影的评价随时间的变化而变化：拿奖后评分上升、电影整体质量提升，人们要求变高。。。等等

除此之外，音乐、语言、文本和视频都是连续的序列数据。

自回归模型

自回归模型的基本思想是，给定一个序列，我们可以根据之前的时间点上的值来预测下一个时间点的值​。具体来说，自回归模型尝试拟合如下形式的概率分布：

这个概率分布可以用来生成新的序列数据。生成过程是从序列的开始部分逐步向前推进，每一步都基于之前已知的数据来预测下一个元素。

自回归模型有两种基本策略：

马尔可夫假设

马尔可夫模型假设当前数据只与前tau个数据相关。即，如果即可得到一阶马尔可夫模型：

 潜变量模型

 潜变量模型引入一个潜变量来表示过去信息，这种情况下： 。潜变量模型涉及两个模型，一个模型基于和计算，一个模型基于和 计算得出的计算。

 序列模型总结

  时序模型中，当前数据与之前观测到的数据相关。

  自回归模型使用自身过去数据预测未来数据。

  马尔可夫模型假设当前数据之和最近少数数据相关从而简化模型。

  潜变量模型使用潜变量来概括历史信息。