结合Logistic回归构建最大熵马尔科夫模型

这是应用于 NLP 的连续监督学习系列博文的第二篇。它可以看作是上一篇文章的续作（参见：深度 | 从朴素贝叶斯到维特比算法：详解隐马尔科夫模型），在上一篇博客中，作者试着解释了隐马尔科夫模型（HMM）和朴素贝叶斯（Naive Bayes）之间的关系。在这篇博客中，作者将尝试解释如何构建一个基于 Logistic 回归分类器的序列分类器，即，使用一种有区别性的方法。 判定模型 vs 生成模型 上一篇

>>阅读原文<<