我有一些时间序列数据，我需要用它们来预测给定时间戳的连续值。我最初是使用多元回归模型来做的，但后来我发现使用隐马尔可夫模型可以更好地解决基于时间序列的问题。

该数据集由一个时间戳标签、从物联网传感器收集的大约 30 个特征组成，然后有一个目标类是一个连续变量。问题是我如何确定 HMM 的结构给定这些特征和隐藏状态的数量来表示高维数据，一旦完成上述操作，如何使用转换概率和模型参数集预测连续目标值生成。

我已经阅读了预先指定 HMM 结构的参考资料，这使得使用起来很容易，但是我们如何使用 HMM 预测连续值呢？