machine-learning - 隐马尔可夫模型工具：Jahmm

Question

我是机器学习的新手，我已经阅读了 HMM，但我仍然有几个问题：

1. 将 HMM 应用于机器学习时，如何获得初始概率、发射概率和转移概率？

2. 目前我有一组值（包括我想通过 HMM 分类的手的角度），我的第一步应该是什么？

   • 我知道 HMM 中存在三个问题（ForwardBackward、Baum-Welch 和 Viterbi），但我应该如何处理我的数据？

3. 在我阅读的文献中，我从未遇到过在 HMM 中使用分布函数，但 JaHMM 用于 HMM 的构造函数包括：

   • 状态数
   • 概率分布函数工厂
   • 构造函数描述：创建一个新的 HMM。每个状态具有相同的 pi 值，并且转移概率都相等。参数： nbStates HMM 的（严格正数）状态数。opdfFactory 一个 pdf 生成器，用于构建与每个状态关联的 pdf。

这是干什么用的？我该如何使用它？

谢谢

Answer 1

您必须以某种方式建模和学习初始、发射和转移概率，以便它们代表您的数据。在离散分布且变量/状态不多的情况下，您可以通过最大似然拟合获得它们，或者训练一个判别分类器，该分类器可以为您提供概率估计，如随机森林或朴素贝叶斯。对于连续分布，请查看高斯过程或任何其他回归方法，如高斯混合模型或回归森林。

关于您的 2. 和 3. 问题：在这里回答它们是笼统的和模糊的。您应该参考以下书籍：Bishop 的“Pattern Recognition and Machine Learning”和 Koller/Friedman 的“Probabilistic Graphical Models”。