深度学习知识点5-马尔可夫链
马尔科夫链的思想：过去所有的信息都已经被保存到了现在的状态，基于现在就可以预测未来。
The future is independent of the past given the present
马尔可夫链属于随机过程课程（使用统计模型一些事物的过程进行预测和处理）
概述：
一个用数学方法就能解释自然变化的一般规律模型，被命名为马尔科夫链（Markov Chain）。为状态空间中经过从一个状态到另一个状态的转换的随机过程，该过程要求具备“无记忆性 ”，即下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关（认为之前的所有信息都被保存到了当前的状态，因此未来与过去无关）。这种特定类型的“无记忆性 ”称作马尔可夫性质。
定义：
只要能求出系统中任意两个状态之间的转换概率，这个马尔科夫链的模型就定了。
转移概率矩阵:将事件的状态转换成概率矩阵 （又称状态分布矩阵 ），如下例：
参考：简述马尔可夫链【通俗易懂】 - 知乎