为了在多元、连续的时间序列上训练隐马尔可夫模型 (HMM)，是否最好以某种方式缩放数据？一些预处理步骤可能是：

1. 归一化为 0 均值和单位方差
2. 缩放到 [-1, 1] 区间
3. 缩放到 [0, 1] 区间

对于神经网络，缩放背后的基本原理是获得一个更容易导航的“未压扁”的误差表面。

HMM 使用Baum-Welch 算法（它是期望最大化 (EM)算法的一种变体）来学习参数。

EM 对特征规模敏感吗？HMM 标准化是否有一些动机？