PyMC 在其当前可用版本中对连续发射 HMM 建模的适用性如何？
我有兴趣拥有一个可以轻松探索模型变化的框架，而无需更新 E 步和 M 步，并为我对模型所做的每次更改进行动态编程递归。
更具体的问题是：
- 在 PyMC 中对 HMM 进行建模时，我能否回答人们想要解决的“典型”任务——即，除了参数估计之外，还可以推断出最可能的序列（通常使用 Viterbi 算法），或者解决平滑问题？
- 与期望最大化的实现相比，我预计基于采样的方法会更慢。如果这让我在模型构建方面有更大的灵活性，那很好。我会想象使用 PyMC 来制作原型模型。不过，我想知道，我是否可以期望 PyMC 处理具有 > 10k 观察值的模型的推理以在任何合理的时间内完成。
- 您是否建议从 PyMC2 或 PyMC3 开始进行模型构建。我知道推理引擎在版本之间发生了变化，所以我特别想知道哪种类型的采样器可能更适合。
如果您认为 PyMC 对于我的用例来说不是一个好的选择，那肯定也有帮助。