Aún no tienes acceso a esta clase

Crea una cuenta y continúa viendo este curso

Implementación de algoritmo de Viterbi en Python

12/26
Recursos

Aportes 6

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

A todo esto, cual creen que seria el time complexity y el space complexity?.

Me apareciendo el siguiente error

![](

Lo corregí de la siguiente manera.

viterbiProb[tag_row, col] = max(possible_probs) if possible_probs else 0

Muy bien explicado y entendible Pacho. 😄

El ejercicio es muy bueno

Asi podemos sumar las probabilidades de una manera mas facil.

sum() recibe una lista como argumento

sum(initTagStateProb.values())

Hola, Aquí abajo dejo un buscador para palabras en el diccionario de emisión, y que se pueda comprobar con que categorías da coincidencia y cuál es que es su índice, este lo use para guiarme en la interpretación de la matriz de Viterbi.

w = 'mundo' # palabra a buscar, solo eso hay que cambiar
# iteramos las probabilidades de emision, palabras|tags
for key in emissionProbdict.keys():
  # buscamos la palabra entre las keys del dic
  if key[:len(w)+1].lower() == f'{w}|':
    print(key, '>', tagStateDict[key.split('|')[1]], '>', emissionProbdict[key])

Increíble clase, creo que al poner directamente las formulas de probabilidad no se llega a entender tanto, pero con la aplicación en el código ya se aclaro bastante el funcionamiento del algoritmo y la interpretación de la matriz. 😃