3

我有两个训练集(已知类的观察)代表我的数据中的两种可能状态。我想让 hmmlearn 从这两个训练集中估计开始、转换和发射概率。

我的数据是 0-1 之间的值列表。我已经使用保守的阈值将数据分成粗略的“A”和“B”组。我想使用 HMM 来细化我的数据更改状态的点。

对于单个训练/测试序列 XI 会这样做:

X = [0, 1, 1, 1, 0.1, 0.015, 0.01, 0.001, 0.005, 0.001, 0.2, 1, 0.8, 1, 1, 0.3]
states = ["A", "B"]

#Fit model, auto set probabilities
model = hmm.MultinomialHMM(n_components=2, covariance_type="full")
model.fit([X])

#Predict states
Z = model.predict(X)

#Predict a sequence of hidden states based on visible states
logprob, state = model.decode(X, algorithm="viterbi")
print "States:", ", ".join(map(lambda x: states[x], state))
>>> States: A, B, B, B, B, A, A, A, A, A, B, B, B, B, B, B

我想知道如何分别训练状态 A 和状态 B。

4

1 回答 1

0

fit 方法采用观察序列列表。在您的示例中,假设您的 X 表示为 X1,而另一组表示为 X2,您只需运行:

model.fit([X1,X2])
于 2015-12-14T23:47:23.747 回答