Hidden Markov Model(HMM)是機器學習領域中常用的一種模型，諸如語音辨識、手勢辨識都在此範圍內，而在了解隱馬可夫模型之前可先了解馬可夫鏈模式，所謂馬可夫鏈即是同類型的事件(不同的狀態)依序所發生的機率，一樣可以用來預測猜拳，首先我們將剪刀、石頭、布分別以數值0、1、2表示，然而玩家出過的拳為010101101，假設觀察值為3則我們可以將其分解為010、101、011、110而出現次數分別為010*2、101*3、011*1、110*1，由於觀察值為3故我們可以從序列中倒數前(3-1)個來分析下一拳可能的值，故可能為010、011、012但我們可從統計數中得知010*2、011*1、012從未出現，因此可能的值為01 0 ，此便為馬可夫鏈預測方式。