问题标签 [hmmlearn]

我正在运行构建 HMM 模型的示例代码，但我看到它给了我价值错误。可能它是一个 numpy 错误。

我将错误视为：

我做错了什么？

使用 MFCC 特征作为输入数据（（20X56829）的 Numpy 数组），通过应用 HMM 尝试从 HMM 的解码状态创建音频词汇表。我在 MFCC 特征中有 10 个扬声器。我需要每个扬声器 50 个状态。所以我使用了 N = 500 个状态，它会引发内存错误，但它适用于 N =100 个状态。

这是代码：

我的初始化有什么问题吗？

我在hmmlearn正确安装软件包时遇到了一些麻烦（在虚拟环境中）；它似乎与底层 C 代码有关。该软件包可以正常安装pip，但是当我尝试导入核心类时，出现错误：

我一直在阅读关于 SO 的其他问题，这些问题似乎可以解决这个问题，但是一种解决方案（使用 Anaconda）将不起作用，因为hmmlearn不包括在内。似乎答案与编译 C 代码有关，但我不确定如何去做。任何帮助将非常感激！

为什么不收敛？显然 1 是散装的。

见问题 137

嗨，我有一个数据框测试，我正在尝试使用带有 hmmlearn 的高斯 HMM 进行预测。

当我这样做时：

我得到了嗯工作正常的生产和状态数组

但是，如果我这样做：

我得到的只是 y 被设置为 1。

任何人都可以帮忙吗？

更新

这是可以迭代的代码

训练集为 0-249：

• 1. 我在 python 脚本中遇到了这个错误：
• 从 hmmlearn.hmm 导入

• GaussianHMM 我知道我需要一些库，这就是我运行以下内容的原因

  /li>

我因为这个问题而陷入困境。我没有得到任何解决方案，我尝试了谷歌和许多命令，但问题仍然存在。

我想使用隐马尔可夫模型（解码问题）预测隐藏状态。数据是分类的。隐藏状态包括饥饿、休息、锻炼和电影。观察集包括食物、家庭、户外和娱乐以及艺术和娱乐。我的程序是首先根据观察序列（Baum-Welch 算法）训练 HMM。然后我进行解码（维特比算法）来预测隐藏状态序列。

我的问题是我如何将结果（非负整数）映射到它们相应的类别，如饥饿或休息。由于训练算法的非确定性特性，对于相同数据的每次训练，参数都是不同的。因此，如果我像下面的代码那样做地图，隐藏状态序列每次都是不同的。

代码如下：

我有一个程序。

我第一次运行代码，“hidden_​​states”的值如下，

我第二次运行代码，“hidden_​​states”的值如下，

为什么两个值“hidden_​​states”不同？

所以我试图让 hmmlearn 在 Jupyter 中工作，我在使用pip. 我已经尝试过这个解决方案，但没有奏效。

在我看来，pip确实安装了 _hmmc 文件，但这样做不正确。相反，它有名字

_hmmc.cp35-win_amd64

并且文件扩展名是.PYD, 而不是.c

当我运行代码来导入它时，我得到了这个错误：

我不知道为什么pip只是没有正确安装它，即使我尝试使用--no-cache-dir

编辑：所以我想出了问题所在。我的活动 python 环境是 python 3.5，因为我手动将安装的文件传输到我的环境，它失败了，因为我有错误的版本。我不得不更改我的活动 python 环境：使用activate <my_enviroment name> 之后我可以pip再次使用它来安装它，这次它可以工作了。

因此，我正在尝试为隐藏马尔可夫模型训练一个非常大的特征数组：700 x (400 x 4122)，其中每个 400x4122 迷你数组是一个跨 400 个具有 4122 个特征的时间戳的观察样本序列。总共有 700 个这样的序列，当连接起来时，相当于约 45GB 的内存。我的问题是：你如何使用这种大小的数组？

在hmmlearn python 包中，通常使用多个序列，如下所示：

x1 -> 400x4122 序列

x2 -> 另一个 400x4122 序列

...

xn -> 第 700 个 400x4122 序列

X = np.concatenate(x1, x2, ..., xn)

长度 = [len(x1), len(x2),..., len(xn)]

模型 = GaussianHMM(n_component = 6, ...).fit(X, length = lengths)

换句话说，需要连接整个序列数组并输入到训练函数中。但是，我想知道是否有一种方法可以一次输入一个 400x4122 序列，因为整个串联数组太大而无法使用。

提前致谢。