问题标签 [hmmlearn]

HMM存在三个基本问题：

1. 给定模型参数和观测数据，估计隐藏状态的最佳序列。
2. 给定模型参数和观测数据，计算数据的可能性。
3. 仅给定观察到的数据，估计模型参数。

问题 1 和问题 3 可以通过 sklearn HMM教程解决。但是我们如何使用 sklearn 来解决问题 2？

我想在hmmlearn中导出来自GaussianHMM的trans矩阵和发射矩阵，并将这些矩阵用作c ++编写的前向算法中的模型参数，很明显“transmat_”属性是trans矩阵，但是如何获得发射矩阵？模型的“means_”属性是否代表发射矩阵？谢谢 ！

请参考matlab工具箱中的hmmtrain方法，hmmtrain返回的第二个元素正是我想从hmmlearn中的GaussianHMM得到的那个：</p>

https://cn.mathworks.com/help/stats/hidden-markov-models-hmm.html#f8288

我正在尝试在 Jupyter 上阅读此模块，但出现此错误：

我想做的就是使用这个from sklearn.hmm import GaussianHMM。

我有这些包：

我安装了 pip3 并再次安装了模块，但它不起作用。

我有一个正在尝试解决的机器学习问题。我正在使用具有 5 个状态的高斯 HMM（来自 hmmlearn），在序列中对极负、负、中性、正和极正进行建模。我已经在下面的要点中设置了模型

https://gist.github.com/stevenwong/cb539efb3f5a84c8d721378940fa6c4c

问题是大多数估计的状态都收敛到中间，即使我可以明显地看到有正值和负值但它们都集中在一起。知道如何让它更好地拟合数据吗？

编辑1：

这是转移矩阵。我相信它在 hmmlearn 中的读取方式是跨行（即 row[0] 表示转换到自身的概率，状态 1、2、3...）

如果我将所有转换概率设置为 0.2，它看起来像这样（如果我按状态进行平均，则分离会更糟）。

我对 Python hmmlearn 库有疑问。这是我有几个训练集，我想有一个高斯混合 hmm 模型来适应它们。

这是一个使用多个序列的示例。

当我将 GaussianHMM 更改为 GMMHMM 时，它返回以下错误：

如何用 GMMHMM 拟合多个序列？

我是隐马尔可夫模型的新手，为了试验它，我在 Python中的hmmlearn 包的帮助下，根据观察一个人是否携带雨伞来研究晴天/雨天/雾天天气的场景。我的测试中使用的数据是从这个页面获得的（“测试1”的测试和输出文件）。

我创建了下面给出的简单代码，以根据测试数据拟合无监督 HMM，然后将预测与预期输出进行比较。结果看起来相当不错（10 个正确预测中有 7 个）。

我的问题是：我应该如何知道模型处理的隐藏状态到问题域中真实状态的映射？（换句话说，我如何将响应与我的问题域的期望状态联系起来？）

这可能是一个非常幼稚的问题，但如果模型受到监督，我会理解映射是我在为 fit 方法提供 Y 值时给出的......但我根本无法弄清楚它在这种情况下是如何工作的.

代码：

结果：

我正在使用 hmmlearn 库来创建 HMM。运行代码时出现错误 ttributeError: 'module' object has no attribute 'broadcast_to'。

我正在运行 GMMHMM

并且错误回溯是

我发现这是因为 numpy. 我们如何解决这个问题

我正在尝试安装 python hmmlearn 库来构建连续的 HMM。我已经从 GitHub 安装了所有依赖项和 hmmlearn 库。安装成功完成。

但是在 python 中，当我尝试使用导入 GaussianHMM

它给出了一些导入错误：

我是 HMM 世界的新手。我已经使用 GaussianHMM 机器学习器按照教程进行操作，它们可以工作，但我只是想知道如何使用代码来显示给定最可能序列的观察概率，假设我有多个观察序列？谢谢

例如，如果观察结果是：seq1:[1,2,-1,4,2], seq2:[a,v,s,a,f]，并且模型有 2 个状态，一旦模型预测状态，如何计算观察到的输出 [1],[a] 的概率？

我分别为每个类训练了 HMM，并在给定观察序列的情况下选择了一个最高似然模型。

但是，我的要求是为所有类构建单个 HMM。每个类可以有来自 S1,....Sn 的多个隐藏状态。例如，如果有三个类，那么隐藏状态的总数是 3xn。我如何训练这种分类器？