machine-learning - 使用隐藏马尔可夫模型进行预测

Question

假设有一个观察序列，例如[1,2,3,5,5,5,2,3,2,3, ..., 3, 4]。我正在尝试使用 Scikit-learn 中 HMM 的当前实现来预测这个观察序列的下一个值。我对此有两个问题。

1. 给定一系列观察结果，我如何预测下一个观察结果（如上所述）？

2. 给定n个观察的许多序列和这些序列的n+1个观察，HMM可以用来预测一个新的n个观察序列的第(n+1)个观察吗？如果有怎么办？

我无法从文档中掌握太多关于这一点的信息。

我发现了一个可能的重复，但它没有指定如何在 Scikit-learn 中使用 HMM 来预测序列中的下一个值。

Answer 1

HMM 不适合解决这个问题。他们擅长预测一个完全观察到的序列的标签（隐藏状态），而不是完成一个序列。尝试在观察窗口上训练分类器或回归模型，然后将其用于预测。即在训练时，对于每个给定序列中的所有位置，将模型观察结果(i, ..., i + k)作为特征，将观察结果作为目标。在测试时，将最后的观察结果作为特征提供。i + k + 1ik

Answer 2

这是一个时间序列任务，没有理由相信 HMM 会在这里工作。

我建议你看看时间序列方法——有一个叫做ARIMA的方法家族应该可以很好地工作。