0

我使用 Jahmm 库对加速度计序列进行分类。

我已经创建了模型，但是当我尝试通过以下方式计算模型上测试序列的概率时：

ForwardBackwardScaledCalculator fbsc = new ForwardBackwardScaledCalculator(test_pair.getValue(),model_pair.getValue().get_hmm());
                System.out.println(fbsc.lnProbability());

我得到负值，例如-1278.0926336276573。

库代码中的注释指出 lnProbability 方法：

返回生成此对象的序列概率的纳皮尔对数。

返回：感兴趣的序列的napierian对数的概率

但是如何比较两个这样的对数呢？我用两个测试序列在两个不同的模型上调用该方法，所以我得到 4 个概率：

The test sequence: fast_test.seq on fast_model yields a Napierian log from -1278.0926336276573
The test sequence: fast_test.seq on slow_model yields a Napierian log from -1862.6947488370433
The test sequence: slow_test.seq on fast_model yields a Napierian log from -4433.949818774553
The test sequence: slow_test.seq on slow_model yields a Napierian log from -4208.071445499895

但是在这种情况下，这是否意味着我们越接近零，测试序列与模型越相似（所以在这个例子中分类准确率 = 100%？）

谢谢

4

1 回答 1

2

如果“纳皮尔对数”是指自然对数，那么您可以通过将e提高到x来从返回值x中获得概率，例如使用. 但是，返回对数的原因是概率值太小而无法在 a 中表示；将简单地返回零。请参阅有关日志概率的 Wikipedia 文章。Math.expdoubleMath.exp(-1278.0926336276573)

这是否意味着我们越接近零，测试序列与模型越相似

exp(0) == 1并且log(1) == 0，实际上概率越低，其对数越小（越负）。所以，你越接近零，句子就越有可能在模型之下。

然而，这不需要直接与“与模型的相似性”相关，更不用说“分类准确性”了，因为 HMM（作为生成模型）会将较低的概率归因于较长的序列。在您最喜欢的教科书中阅读 HMM；对于这个答案框来说，完整的解释太长了，而且是一个数学问题，因此与本网站无关。

于 2012-07-20T10:05:57.690 回答