问题标签 [markov-models]

我正在尝试使用输入输出架构实现隐马尔可夫模型，但我找不到任何好的 python 实现。

任何人都可以共享 Python 包，并考虑 HMM 的以下实现。

允许连续排放。允许协变量的功能（即 I/O HMM 中的独立变量）。

此刻，我正在努力寻找相同的python实现。

我在 hmmlearn 中找不到相关示例。

以下是我测试过的几个库：

hmmlearn：hmmlearn 允许将多个特征传递给排放/观察，但不提供包含协变量（即自变量）的支持。

hmms：不支持添加连续排放的功能，也不支持添加自变量。

IOHMM：我能够使用这个库训练 HMM 模型，但是在训练模型后找不到文档来进行预测。

因此，我正在寻找适合此目的的包裹。

经过上述训练，我无法弄清楚如何获得发射概率和隐藏状态序列。

我是 R 新手并分配了一个项目，因此我必须在 R 中构建一个成本效益模型。它基于马尔可夫模型，我目前只是试图习惯界面并安装 heemod 包协助制作马尔可夫模型。

我有基于 Cran 的小插曲运行的简单模型，但我想我会尝试扩展与项目类似的东西相关的模型。

我没有干预和一个比较器，而是有 2 个比较器，但似乎得到如下错误。（请注意，到目前为止，值/数字仅用于测试目的，以尝试使模型正常工作）。

这是输出的错误：

没有命名状态 -> 生成名称。check_states(states) 中的错误：状态值名称因状态而异。

我试图在 python 中从 statsmodels (链接描述 这里) 编译 MarkovSwitching.py，但我有以下错误，

而且我不知道如何解决这个问题。此外，我使用'' pip install statsmodels --upgrade''升级了statsmodels，但不起作用。

我不知道如何解决这个问题，欢迎任何帮助！

谢谢！

我有资产的价格数据。我想拟合一个 Markow Switching 模型（有 2 个状态）。我运行的代码如下。价格配置为数字，日期配置为日期。不知道我哪里错了。

我得到的错误信息是：

这段代码：

来自 ：

https://github.com/PacktPublishing/Artificial-Intelligence-By-Example/blob/47bed1a88db2c9577c492f950069f58353375cfe/Chapter01/MDP.py

R 被定义为“每个状态的奖励矩阵”。这个矩阵中的状态和奖励是什么？

印刷 ：

是[0 0 0 0 1 0]state0 和[0 0 0 1 0 1]state1 吗？

我正在探索隐马尔可夫模型（HMM）来分析新病例的序列和covid-19的繁殖率。我遇到了需要为连续数据生成转换矩阵的场景。

马尔可夫状态（低、中、高）

如何使用python或matlab（最好是python）为连续数据生成马尔可夫变换矩阵。我认为矩阵应该是 3 是 3，显示从每个状态移动到其他 2 个状态的概率。

我是 python 新手，很难做到这一点。有没有我可以用于此目的的库。我遇到了在 Python 中生成马尔可夫转换矩阵，这是一个类似的问题，但它是针对离散数据的。我想对连续数据做类似的事情。

数据由 4 个变量 id、x1 和 x2 组成，它们是与二元变量 y 相关的连续变量。二进制变量中的 0 和 1 代表不同的状态。是否可以使用马尔可夫链模型来计算和绘制沿每个 id 的协变量值梯度的状态转移概率，然后是合并数据？

我正在建立一个马尔可夫模型，对于给定数量的状态，观察次数相对较少。除了队列方法，还有其他方法可以估计实际转移概率吗？特别是要确保概率随着与当前状态距离的增加而减小。这对 (11,14) 不以这种方式运行，并且基础模型不支持这一点。

谢谢

我有一个具有 3 个隐藏状态和 2 个离散发射符号的隐藏马尔可夫模型 (HMM)。我知道从状态 2 转换到状态 3 的概率为 0（即从 S2 到 S3 没有直接链接）。给定观察到的符号序列，拟合该模型的参数（实施约束）的最佳方法是什么？

这可以在python的hmmlearn中完成吗？

我已经通过 hmmlearn 为隐马尔可夫模型实现了一个简单的代码，它运行良好。我使用 fit() 方法，即 hmmlearn.fit 根据我的数据来学习 hmm 参数。如果我有更多数据并且想更新以前拟合的模型而不从头开始训练/拟合，我该怎么办？换句话说，我怎样才能根据我目前所知道的来初始化一个新模型，并继续使用新的观察/样本来为我的数据拟合一个更好的模型