隐马尔科夫模型是可用于标注问题的统计学习模型，描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。隐马尔科夫模型由初始概率分布、状态转移概率分布以及观测概率分布确定。
1、隐马尔科夫模型是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态的序列，再由各个状态随机生成一个观测而产生观测序列的过程。
2、概率问题。前向-后向算法是通过地推地计算前向-后向概率可以高效的进行隐马尔科夫模型的概率估计
3、学习问题。即用极大似然估计的方法估计参数。Baum-Welch算法，也就是EM算法可以高效地对隐马尔科夫模型进行训练，他是一种非监督学习算法。
4、预测问题，维特比算你发应用动态规划高效的求解最优路径，即概率最大的状态序列。