HMMLearn 预测下一个观察到的事件

数据挖掘 Python 马尔可夫隐藏模型 马尔科夫
2021-10-13 23:36:22

据我了解,您可以使用转移矩阵来预测从最后预测的隐藏状态(状态 t)到 t+1 隐藏状态的概率。我的困惑是如何在代码格式中从时间 t+1 预测的隐藏状态变为时间 t+1 预测的观察状态。

1个回答

对于连续 HMM 的每个状态,定义了一个发射概率分布。它可以是高斯分布或高斯混合模型 (GMM)。计算完状态变量后,可以利用对应的状态分布得到观测变量的发射概率分布。请注意,观察到的变量没有确定性值,而只是以预测状态变量为条件的概率分布。hmmlearn中,您可以分别使用模型的 mean_、covars_ 和 weights_ 属性获得 GMM 的均值、协变量和先验。