问题标签 [hmmlearn]

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：

我想知道如何分别训练状态 A 和状态 B。

我正在阅读有关高斯混合 hmms 的信息，我想实现一个。我正在使用 hmmlearn 包，我知道它已被 scikit-learn 弃用。在文档中，它说在 GMMHMM 构造函数中它需要：“gmms（GMM 对象数组，长度 n_components）每个状态的 GMM 排放分布。”

我理解我应该继续的方式如下：1）首先使用 scikit-learn 执行 GMM 训练 2）将 GMM 对象传递给 GMMHMM 构造函数以训练 hmm。

这是正确的还是我错过了什么？

谢谢。

我有一个时间序列数据集作为具有以下列的 csv 文件-

对于一个 ID，在进行这些测量时有多个测量值以及相关的时间戳。列测量值包含 10 个测量值的列表。一条记录（与特定时间戳关联）中的测量以某种方式取决于先前的记录。

例如。数据集：

此外，测量数组在某些索引处包含 NaN。最后，我有一些与每个 ID 相关联的标签，这是在该 ID 的最后一个时间戳之前执行的测量结果。我的目标是将这些数据拟合到 HMM 模型中，然后预测相同格式的测试数据集的标签。如何将此模型拟合到sklearn/hmmlearn的 HMM 模型中？sklearns 文档没有达到模型的标准，没有解释参数。

我尝试使用来自 GitHub 的 hmmlearn来运行二进制隐藏马尔可夫模型。这不起作用：

我收到此错误：

ValueError：无法连接零维数组

使用此模块的正确方法是什么？注意我使用的是与 sklearn 分离的 hmmlearn 版本，因为显然 sklearn 不再维护 hmmlearn。

我正在尝试在 python 中使用 hmmlearn 来拟合隐藏的马尔可夫模型。我假设我的数据格式不正确，但是文档对于 hmmlearn 来说很简单。直观地说，我会将数据格式化为 n_observations x n_time_points x n_features 的 3 维数组，但 hmmlearn 似乎想要一个 2d 数组。

这给出了以下错误：

有谁知道如何格式化数据以构建我所追求的 HMM？

我正在使用 scikit-learn 的hmmlearn模块运行一个简单的 HMM。它适用于完全观察到的数据，但是当我通过缺少数据的观察时它失败了。小例子：

如果obs完全观察到（每个元素都是 0 或 1）它可以工作，但我想获得未观察到的数据点的估计值。我尝试将这些编码为np.nan或None均无效。它给出了错误IndexError: arrays used as indices must be of integer (or boolean) type（在hmm.py", line 430, in _compute_log_likelihood）。

如何在 hmmlearn 中做到这一点？

我正在尝试用 hmmlearn 拟合一个模型，给定一个转换矩阵和一个先验发射矩阵。拟合后，它在转换矩阵中给出了一些负值。

转移矩阵由另一个模型的转移矩阵恢复。

我的意思的示例代码是：

在代码中显示的训练数据也是相同的。例如，如果我不使用先验的转换矩阵而是使用发射，它可以正常工作。我正在使用 Anaconda 2.5 64 位。hmmlearn 版本是 0.2.0

暗示？谢谢

我正在尝试使用 hmmlearn 库在给定一些数据的情况下预测最佳序列，但出现错误。我的代码是：

但我收到一条错误消息：

任何人都知道这意味着什么以及我能做些什么来解决它？

我正在使用 HMMlearn 模块生成具有高斯混合模型的 HMM。

问题是我想在将模型拟合到任何数据之前初始化每个混合分量的均值、方差和权重。

我该怎么做呢？

我正在尝试初始化几个 GMM 以与 GMMHMM 的 gmms_ 属性一起使用。每个 GMM 实例具有不同的均值、权重和协方差，并作为 GMMHMM 的 5 分量混合的一个分量。均值、权重和协方差由我想要拟合的数据集的（5 簇）k 均值算法确定，其中均值是每个簇的中心，权重是每个簇的权重，而协方差是 - 你猜对了 - 每个集群的协方差。

这是一个代码片段：

但是，当我尝试拟合模型时，出现以下错误：

我以前从未见过这样的错误，这是我第一次使用 sklearn 和 HMMlearn。我该如何解决这个错误？