1

我正在用 TensorFlow 概率中的多项观察编写一个简单的 HMM，但我无法正确获得最可能的隐藏状态序列。posterior_mode无论模型如何，始终返回第一个状态（状态 0）。

下面的代码用一个简单的案例说明了我的意思：

import numpy as np
import tensorflow as tf
import tensorflow_probability as tfp

tf.enable_eager_execution()
tfd = tfp.distributions

prior = tfd.Categorical(probs=[0.0, 0.0, 1.0])
transition = tfd.Categorical(probs=[[1.0, 0.0, 0.0],\
                                    [0.0, 1.0, 0.0],\
                                    [0.0, 0.0, 1.0]])
emission = tfd.Multinomial(total_count=[1,1,1],\
                            probs=[[1.0, 0.0, 0.0],\
                                   [0.0, 1.0, 0.0],\
                                   [0.0, 0.0, 1.0]])

trueModel = tfd.HiddenMarkovModel(initial_distribution=prior,
                                  transition_distribution=transition,
                                  observation_distribution=emission,
                                  num_steps=4)

sample=trueModel.sample().numpy()

print("SAMPLE:\n", sample)

print("\nMOST PROBABLE STATES:\n", trueModel.posterior_mode(sample).numpy())

但是这段代码返回：

SAMPLE:
 [[0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]]

MOST PROBABLE STATES:
 [0 0 0 0]

考虑到先验、转换和观察分布，这对于这个简单的例子是不可能的。对于最可能的隐藏状态，分布的其他值返回相同的输出。

我在这里遗漏了什么还是 TF 概率有问题？

4

0 回答 0