我一直在尝试了解隐马尔可夫模型，但是遇到了一个问题。 我已经计算出给定模型产生观察序列的概率为：

P（O |λ）=ΣαT（i）

我从劳伦斯·R·拉宾纳（Lawrence R. Rabiner）1989年的论文中得到了这个公式以及我一直在使用的所有公式：https://www.ece.ucsb.edu/Faculty/Rabiner/ece259/Reprints/tutorial%20on%20hmm%20and%20applications.pdf

此外，我阅读了以下文章，其中很好地形象化了HMM的基本知识：https://medium.com/@Ayra_Lux/hidden-markov-models-part-1-the-likelihood-problem-8dd1066a784e

我的问题是，我不了解所产生的概率，因为它随着序列的增加而减小，在我的情况下大约为10 ^ -17，而在上述文章中大约为10 ^ -4。 这是否意味着模型对数据的预测不佳，或者计算出的值与模型的性能成反比？

从我的理解来看，P（O |λ）的低值似乎不受欢迎，但是可能我误解了。

有人可以帮我清理一下吗？

该值在最佳情况下应该在哪个范围内？

谢谢您的回答！

编辑：为了进一步说明这一点，我使用了A和B的序列，其中A后面总是跟着B，反之亦然。

例如：ABABABABABABABABABABABABABABAB

产生的过渡概率应该是： A-> B = 1，A-> A = 0＆ B-> A = 1，B-> B = 0

HMM使用Baum-Welch-Algorithm快速学习了这些概率。但是，如果我对最后一个时间步的前向概率求和（因此P（O |λ）=ΣαT（i）），则结果值为0或至少非常接近该值。