马尔可夫链：
参考链接：
/weixin_42509541/article/details/123332839
我对它的理解就是：
针对的数据是一组离散随机变量的集合。
下一次（t+1) 的输出仅取决于当前（t)的输入。
它的计算就一直依靠前一次的结果进行计算，都是概率模型。
上面链接中的例子写的很好。
隐马尔可夫模型：
我是通过《统计学习》（李航）的书进行的学习，写的也是很好。
这里对隐马尔可夫模型进行了介绍。
这里需要搞清楚状态转移概率矩阵，观测概率矩阵，初始概率向量等概念。
下面这个例子很好的解释了此模型。
接下来是概率计算算法，分为前向计算和后向计算。
只要认真看完上面的图片以及链接，我相信肯定会对马尔可夫链(Markov Chain)以及隐马尔可夫模型有了基础的了解，想要了解更深的话，就需要查看其他资料了。
理解：
对这些模型，如果看了不使用或者不经常温习的话很容易忘记，我建议就是没事可以简略的看一遍，温故而知新嘛，并且偶尔的复习会带来很好的效果。慢慢积累这些知识吧。
路漫漫其修远兮，吾将上下而求索！！！
