import re

text='今天是：11/28/2018'

print(re.sub(r'(\d+)/(\d+)/(\d+)',r'\3-\1-\2',text))

import re

sum = 0 

pattern = 'back' 

if re.match(pattern, 'backup.txt'):     

      sum += 1 

if re.match(pattern, 'text.back'):    

      sum += 2 

if re.search(pattern, 'backup.txt'):   

      sum += 4 

if re.search(pattern, 'text.back'):     

      sum += 8

print(sum)

真实状态的集合，S = {S, B, M, E}

初始状态的概率，p ={0.8 ,0.2, 0, 0}

状态转移概率矩阵（列为条件状态）:

（含图）

部分发射概率矩阵（状态输出概率），（列为条件状态）:

（含图）

请问”马上下”的分词结果是（ ）

经过多年观察知道一年中K的心情是好、一般、差的总比例分别为0.2、 0.6、 0.2，相邻两天心情的状态转移概率和每种心情的行为发射概率如下：

转移概率矩阵

（含图）

状态输出概率矩阵

（含图）

请利用所学的隐马尔可夫模型和Viterbi算法知识，当观察发现K连续两天的行为是旅行、跑步时，第二天心情是好的概率是（ ）

经过多年观察知道一年中K的心情是好、一般、差的总比例分别为0.2、 0.6、 0.2，相邻两天心情的状态转移概率和每种心情的行为发射概率如下：

转移概率矩阵                                       

（含图）

状态输出概率矩阵

（含图）

请利用所学的隐马尔可夫模型知识，当观察发现K连续两天的行为是旅行、跑步时，请预测一下K这两天的心情依次是

按照有放回的抽取小球，得到球颜色的观测序列，如果利用隐马尔可夫模型根据观测序列预测出盒子编号序列，以下说法正确的是（ ）

真实状态的集合，S = {A,B,C}

初始状态的概率，p ={0.4 ,0.3, 0.3}

状态转移概率矩阵（列为条件状态）:

（含图）

发射概率矩阵（状态输出概率），（列为条件状态）:

（含图）

观测状态，{1,4}，使用HMM算法预测该观测状态的真实隐藏状态序列为（   ）

经过多年观察知道一年中K的心情是好、一般、差的总比例分别为0.2、 0.6、 0.2，相邻两天心情的状态转移概率和每种心情的行为发射概率如下：

转移概率矩阵                                            （含图）

状态输出概率矩阵

（含图）

请利用所学的隐马尔可夫模型知识，当观察发现K连续两天的行为是旅行、跑步时，请问连续两天心情依次是好和好的概率是（ ）

'python|perl'或'p(ython|erl)'都可以匹配'python'或'perl'