Markov process（马尔可夫过程）：一种随机过程，其“未来状态”的概率分布只取决于当前状态，而与更早的历史路径无关（这称为马尔可夫性/无记忆性）。常用于描述随时间演化、并带有随机性的系统；马尔可夫链是其在离散时间/离散状态下的常见形式。
/ˈmɑːr.kɔːf ˈproʊ.ses/
The weather can be modeled as a Markov process.
天气可以被建模为一个马尔可夫过程。
In a Markov process, the next state depends on the current state rather than the entire history, which makes it useful for modeling queues and many machine-learning methods.
在马尔可夫过程中，下一状态取决于当前状态而不是全部历史，因此它常用于排队系统以及许多机器学习方法的建模。
“Markov”来自俄罗斯数学家Andrey Markov（安德烈·马尔可夫）的姓氏，他在20世纪初系统研究了这类具有“无记忆”性质的随机模型；“process”源自拉丁语 processus，意为“前进、进程”，在数学与统计中常指“随时间演化的过程”。
Select Language