马尔可夫模型(Markov Model)是通过寻找事物状态的规律对未来事物状态进行预测的概率模型，在马尔可夫模型中假设当前事物的状态只与之前的n个状态有关
我们平时研究较多的则是一阶马尔可夫模型，主要有两个特点
1、当前状态只与上一个状态有关
2、某个时刻的观测值只与当前的状态有关
我觉得主要关注点在当前状态以及它的转移矩阵（当前状态是今天为雨天的概率为0.5，转移矩阵为今天为雨天且明天为晴天的概率是0.8）
用状态一直乘以它的转移矩阵，到一定次数之后状态会趋于稳态
隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。
意思就是，在隐马尔可夫模型中，转移矩阵中有些因素往往是不可见的，需要从另外一些可观测的参数中获取。比如说，我需要从观测每天早上的露珠来确定是否晴雨天（晴雨天的概率无法直接观测）
