我有两个训练集（已知类的观察），代表我数据中的两种可能状态 . 我想让hmmlearn估算这两个训练集的开始，过渡和排放概率 .
我的数据是0-1之间的值列表 . 我已经使用保守阈值将数据分成粗组'A'和'B' . 我想使用HMM来细化我的数据更改状态的点 .
对于单个列车/测试序列X，我会这样做：
X = [0, 1, 1, 1, 0.1, 0.015, 0.01, 0.001, 0.005, 0.001, 0.2, 1, 0.8, 1, 1, 0.3]
states = ["A", "B"]
#Fit model, auto set probabilities
model = hmm.MultinomialHMM(n_components=2, covariance_type="full")
model.fit([X])
#Predict states
Z = model.predict(X)
#Predict a sequence of hidden states based on visible states
logprob, state = model.decode(X, algorithm="viterbi")
print "States:", ", ".join(map(lambda x: states[x], state))
>>> States: A, B, B, B, B, A, A, A, A, A, B, B, B, B, B, B
我想知道如何分别训练A州和B州 .
1 回答
拟合方法采用观察序列列表 . 在您的示例中，假设您的X表示为X1，而另一个组表示为X2，您只需运行：