问题标签 [hmmlearn]

我正在阅读并试图理解 HMM 和我正在寻找的区域用于拼写纠正。我不明白的一件事是它如何处理插入或删除。假设有一个字符级模型，其中预期状态是“c”、“a”、“t”。现在说观察到的状态是'c'，'t'。现在，当模型建立时，将从“c”过渡到“a”，但不会从“c”过渡到“t”。现在在更正或预测短语期间如何处理插入字符“a”的情况？

希望我对这个问题很清楚。谢谢。

我收到以下错误安装嗯。我无法理解如何解决这个问题。请提供一些解决方案。我具备所有必要的先决条件

我相信我理解 HMM 的核心。通过 HMM，我们解决了评估（发射序列的概率）、解码（最可能的隐藏序列）和学习问题（从观察到的发射序列集中学习转换和发射概率矩阵）。

我的问题与学习问题有关。我有发射序列，但我也有每个序列的相关特征（意味着隐藏状态值，但隐藏状态的数量未知）。在 HMM 的学习问题中，我们估计隐藏序列（大小和概率矩阵），为此我们只需要发射序列（如果事先不知道隐藏序列的大小可以优化）。

我正在使用 HMM库进行计算。当然，它没有我想要的选项。

有没有办法在 HMM 中进行监督学习，如果是，那么如何？如果没有，我还能用 HMM 解决我的问题吗？如果有可能那怎么办？

我正在关注此链接http://www.blackarbs.com/blog/introduction-hidden-markov-models-python-networkx-sklearn/2/9/2017中的教程，以便在我的示例中实现隐藏马尔可夫模型。我有 2 个隐藏状态和 2 个观察到的状态。

正如我从教程中的代码中了解到的那样，HMM 的第一步是使用最大似然估计模型来估计模型的参数，然后从参数的结果中我们可以预测隐藏状态。
因此使用 Vitebri 算法来训练模型以找到最佳参数，然后预测观察到的状态。
是这样吗？如果它更易于解释，我可以分享我的代码。

hmmlearn 命令的构建轮失败“C:\Users\Akash\PycharmProjects\hello\venv\Scripts\python.exe -u -c”import setuptools, tokenize; file ='C:\Users\Akash\AppData\Local\Temp\pycharm-packaging\hmmlearn\setup.py';f=getattr(tokenize, 'open', open)( file );code=f.read() .replace('\r\n', '\n');f.close();exec(compile(code, file , 'exec'))" install --record C:\Users\Akash\AppData\Local \Temp\pip-record-z6k7p8b8\install-record.txt --single-version-externally-managed --compile --install-headers C:\Users\Akash\PycharmProjects\hello\venv\include\site\python3. 6\hmmlearn" 在 C:\Users\Akash\AppData\Local\Temp\pycharm-packaging\hmmlearn\ 中失败，错误代码为 1

这也是 cmd 和 pycharm 中显示的错误。我发现需要 Microsoft Visual Studio C++ 14

我已经阅读了 HMM 和 MFCC 的一些期刊和论文，但我仍然对它如何逐步使用我的数据集（句子数据集的音频）感到困惑。

我的数据集示例（音频形式）：

• 你好，早上好
• 祝你考试顺利
• 等关于 343 个音频数据和 20 个扬声器（6800 个音频数据）

据我所知 ：

1. 我的句子数据集用于获取转换概率
2. 嗯状态是音素
3. 39 个 MFCC 特征用于训练 HMM 模型

我的问题：

1. 我需要将我的句子切成单词还是只使用句子来训练 HMM 模型？
2. 我需要 train 的音素数据集吗？如果是，我是否也需要使用 HMM 来训练它？如果不是我的程序如何识别 HMM 预测输入的音素？
3. 我必须先做哪些步骤？

注意：我正在使用 python，我使用 hmmlearn 和 python_speech_features 作为我的库。

我最近一直在尝试研究隐马尔可夫模型和维特比算法。我找到了一个名为 hmmlearn ( http://hmmlearn.readthedocs.io/en/latest/tutorial.html ) 的库来帮助我生成两个状态的状态序列（具有高斯发射）。然后我想用维特比重新确定状态序列。我的代码有效，但预测了大约 5% 的错误状态（取决于高斯发射的均值和方差）。hmmlearn 库有一个 .predict 方法，它也使用 Viterbi 来确定状态序列。

我现在的问题是 hmmlearn 的 Viterbi 算法比我手写的要好得多（与我的 5% 相比，错误率低于 0.5%）。我在我的代码中找不到任何重大问题，所以我不确定为什么会这样。下面是我的代码，我首先生成状态和观察序列 Z 和 X，用 hmmlearn 预测 Z，最后用我自己的代码预测它：

我不确定我的代码是否有大错误，或者 hmmlearn 是否只是使用了更精细的 Viterbi 算法。通过查看错误预测的状态，我注意到发射概率 B 的影响似乎太大了，因为它导致状态变化过于频繁，即使进入另一个状态的转换概率非常低。

我对python很陌生，所以请原谅我丑陋的编码。提前感谢您提供的任何提示！

编辑：正如您在代码中看到的那样，我很愚蠢并且使用方差而不是标准偏差来确定排放概率。修复此问题后，我得到与实现的 Viterbi 算法相同的结果。

最近我想出了一个问题，观察变量包含 4 个连续变量和一个离散变量。我想用 HMM 对其进行建模，但我不知道实现它。你知道这方面的任何相关论文吗？

我有一个粒子位置随时间变化的时间序列，我想使用这些数据估计两个 HMM 的模型参数（一个用于 x 轴，另一个用于 y 轴）。我正在使用 hmmlearn 库，但是，我不清楚我应该如何处理。在教程中，它指出这是使用库的第三种方式，但是，当我使用如下代码时：

X 是 x 轴值的列表，它返回

我应该在我的数据中添加什么才能将其变为 2D？

我知道可以将多个序列拟合到 hmmlearn 中，但在我看来，这些序列需要从相同的分布中提取。

是否可以使用从 hmmlearn 中的不同分布中提取的多个观察序列来拟合 GMHMM？

我的用例：我想用来自不同股票的 K 个金融时间序列拟合 GMHMM，并预测在指定时间产生 K 个股票价格的市场机制。所以矩阵输入的维度是 N（日期数）× K（股票数）。如果 hmmlearn 不能这样做，请告诉我是否可以使用 python 或 R 中的另一个包？谢谢你的帮助！