马尔可夫链：一种随机过程模型，由一系列按时间顺序变化的“状态”组成，并满足马尔可夫性质——系统下一步处于哪个状态，只与当前状态有关，而与更早的历史状态无关。常用于概率论、统计、机器学习、自然语言处理、排队论等领域。（该术语也可在更广义的“马尔可夫过程”框架下讨论。）
/ˈmɑːrkɒv tʃeɪn/
/ˈmɑːrkɔːv tʃeɪn/
A Markov chain can model weather changing from sunny to rainy.
马尔可夫链可以用来建模天气从晴天变为雨天的变化。
Using a Markov chain, we estimate transition probabilities between user behaviors to predict the next action.
使用马尔可夫链，我们估计用户行为之间的转移概率，从而预测下一步动作。
“Markov”来自俄国数学家安德烈·马尔可夫（Andrey Markov）的姓氏，他在20世纪初系统研究了这类满足“只依赖当前状态”的随机序列；“chain”意为“链条”，形象地表示状态一个接一个相连、按转移规则推进的结构。
Select Language