Каков алгоритм решения задачи прогнозирования в модели скрытой лошади? Объясните что это за алгоритм простым словами?

Как я понимаю, в зарубежной литературе (в основном, китайской) моделью скрытой лошади обозначают скрытую марковскую модель HMM.

Я не совсем понимаю в чем проблема автора вопроса. Не знали, что модель скрытой лошади и скрытая марковская модель, это одно и то же, или непонятна сама скрытая марковская модель, а здесь для красоты называете её редко употребимым названием?

Если вторая проблема, то объясню, но очень кратко и достаточно примитивно.

Есть временной ряд, который надо прогнозировать. Допустим, для простоты, в этом ряду встречаются один и тот же набор чисел, которые идут в разной последовательности. Каждое значение временного ряда зависит только от предыдущего по времени значения и не зависит от всех остальных прошлых значений временного ряда. Эта зависимость носит вероятностный характер. То есть это марковская цепочка.

Но вот вероятностный закон, по которому текущее значение  ряда зависит от прошлого значения ряда нам неизвестен. Вот эта неизвестная зависимость текущего значения от предыдущего называется скрытым состоянием или скрытой лошадью.

Как правило, эта неизвестная зависимость представляется в виде марковской матрицы перехода.

В процессе машинного обучения на известных данных пытаются построить эту матрицу перехода, чтобы потом спрогнозировать, с какой вероятностью появятся во временном ряду те или иные числа из ограниченного набора.