PRML第13章 隠れマルコフモデルの最尤推定 Python実装 - Qiita第１３章では系列データを扱うモデルとして隠れマルコフモデルが紹介されています。今回はその隠れマルコフモデル(HMM:Hidden Markov Model)での最尤推定を実装します。パラメータを固定してフォーワード-バックワードアルゴリズムを使って隠れ状態を推定するということは何度かしたことがあるのですが、パラメータまで推定するということはしたことなかったのでいい機会なのでやってみることにしました。ちなみに、HMMはカルマンフィルタや粒子フィルタなどの基礎になっています。 隠れマルコフモデル 隠れマルコフモデルでは系列データ（例えば、コインを百回投げて出た裏表）を考えます。そして、それらの観測された系列データの背後には潜在変数（例えば、裏（表）が出やすいコインが使われた）があるとしています。 隠れマルコフモデルのグラフィカルモデルは下の図(PRML図13.5より)のようになっています。 $
