machine-learning - 用观测数据序列拟合 hmm.MultinomialHMM 时出错

Question

我正在尝试用我观察到的数据拟合多项式模型。我有一个包含不同长度轨迹的数据集。由于我的观察是离散的，我尝试拟合多项式模型。观察符号的数量为 3147，轨迹（序列）的数量为 4760。虽然我给出了观察序列（X 具有在 hmmlearn 类中定义的数组形状）和观察的长度（），以使用此代码拟合方法：

X
array([[31],
       [ 1],
       [17],
       ..., 
       [ 4],
       [ 1],
       [16]])

lengths
[28,
 6,
 11,
 7,
 2,
 2,
 ...]

model = hmm.MultinomialHMM(n_components=10).fit(X, lengths)

我有一个错误。有人可以帮助我并解释我做错了什么。谢谢。

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-72-565aadfd0ae4> in <module>()
----> 1 model = hmm.MultinomialHMM(n_components=10).fit(X, lengths)

C:\Python\Anaconda2\lib\site-packages\hmmlearn\base.pyc in fit(self, X, lengths)
    427             curr_logprob = 0
    428             for i, j in iter_from_X_lengths(X, lengths):
--> 429                 framelogprob = self._compute_log_likelihood(X[i:j])
    430                 logprob, fwdlattice = self._do_forward_pass(framelogprob)
    431                 curr_logprob += logprob

C:\Python\Anaconda2\lib\site-packages\hmmlearn\hmm.pyc in _compute_log_likelihood(self, X)
    403 
    404     def _compute_log_likelihood(self, X):
--> 405         return np.log(self.emissionprob_)[:, np.concatenate(X)].T
    406 
    407     def _generate_sample_from_state(self, state, random_state=None):

IndexError: index 3147 is out of bounds for axis 1 with size 3147

Answer 1

你的值X应该从零开始，而不是从一开始。