time-series - HMM：学习信号中的状态。（使用 hmmlearn python 库）

Question

我有时间序列数据，我试图在我的 HMM 模型中学习 3 个状态。我得到的输出是这个。我想为 3 个不同的数据点集群获得三个不同的状态。但是第一个集群具有从 HMM 学习的混合状态，而不是单一状态。

这是我的代码。

 model = hmm.GaussianHMM(n_components=3, covariance_type="full", verbose = True, n_iter =1000)
 model.fit(train_array1.reshape((-1,1)))
 Z1 = model.predict(test_array1_s.reshape(-1,1))  
 p = model.predict_proba(test_array1_s.reshape(-1,1))  
 plt.plot(p)

测试数据的每个状态的概率图是这样的。

如何获得数据的三种不同状态？