我想在预测性维护数据上应用（半）隐马尔可夫模型。我的数据由连续变量（电压、振动、自上次维修以来的天数等）和离散（和分类）变量（错误计数、机器类型、组件类型等）组成。我想做一个多类分类，它会预测是否有故障，如果有故障，哪个组件会发生故障（四种类型的组件）。半隐藏马尔可夫模型应该工作得最好，因为它们考虑了状态持续时间的分布，但是，我在 Python 中找不到一个很好的半隐藏马尔可夫模型包，它也允许多个观察序列。据我所知，hsmmlearn 只能处理一个观察序列。有谁知道我是否可以在这个包中使用多个观察序列，
此外，我不确定如何处理我拥有连续、离散和分类数据的事实。Hmmlearn 能够处理多个观察序列，但您只能指示一种类型的发射分布，例如具有高斯发射（连续）的 GaussianHMM 或具有多项（离散）发射的 MultinomialHMM，但不能指示这些分布的组合。
如果您可以帮助我，请告诉我是否需要更多信息！
提前感谢并保持安全！