HMM - 正确的状态数
HMM - correct number of states
我是 HMM 的新手。我在维基百科 Baum–Welch_algorithm Example 中遇到了一个例子，我有点困惑。希望可以有人帮帮我。
例子如下：“假设我们有一只鸡，我们每天中午从那里收集鸡蛋。
现在鸡有没有下蛋收集，取决于一些隐藏的未知因素。
然而，我们可以（为简单起见）假设只有两种状态决定鸡是否下蛋。"
我的问题是：
在我们不知道状态的情况下；我们怎样才能找到正确的状态数。在上面的例子中；他们假设 2。但也许 3 或 5 ...更能代表系统。
是否需要给系统中的每一个状态赋予意义。在上面的例子中；我们有 s1 和 s2，但没有赋予它们与应用程序相关的含义。
如果您想将 HMM 拟合到您的鸡示例中，您将连续假设只有 1 个状态，然后是 2 个状态，然后是 3 个状态，依此类推。如果你对鸡的生活方式有所了解，你可以根据你的知识来假设状态的数量。
例如，您可以检验两种状态假设，认为一只鸡可能下的蛋的数量取决于以下状态：
(1) 鸡醒了，(2) 鸡睡了。
然后您可以用 (1) 鸡醒着，(2) 鸡睡着，(3) 鸡在窝里来检验三态假设。
对于您要测试的每个状态，您都有新的参数添加到您的模型中。他们调整每个状态下的鸡蛋数量，当然还有状态之间的转换概率。然后你可以在你的假设之间选择一个模型，例如基于它对数据的拟合优度（如果你欠一些）和一些信息标准（AIC，BIC，DIC ......取决于你的拟合方法）。
我是 HMM 的新手。我在维基百科 Baum–Welch_algorithm Example 中遇到了一个例子，我有点困惑。希望可以有人帮帮我。
例子如下：“假设我们有一只鸡，我们每天中午从那里收集鸡蛋。 现在鸡有没有下蛋收集，取决于一些隐藏的未知因素。 然而，我们可以（为简单起见）假设只有两种状态决定鸡是否下蛋。"
我的问题是：
在我们不知道状态的情况下；我们怎样才能找到正确的状态数。在上面的例子中；他们假设 2。但也许 3 或 5 ...更能代表系统。
是否需要给系统中的每一个状态赋予意义。在上面的例子中；我们有 s1 和 s2，但没有赋予它们与应用程序相关的含义。
如果您想将 HMM 拟合到您的鸡示例中，您将连续假设只有 1 个状态，然后是 2 个状态，然后是 3 个状态，依此类推。如果你对鸡的生活方式有所了解，你可以根据你的知识来假设状态的数量。
例如，您可以检验两种状态假设，认为一只鸡可能下的蛋的数量取决于以下状态： (1) 鸡醒了，(2) 鸡睡了。
然后您可以用 (1) 鸡醒着，(2) 鸡睡着，(3) 鸡在窝里来检验三态假设。
对于您要测试的每个状态，您都有新的参数添加到您的模型中。他们调整每个状态下的鸡蛋数量，当然还有状态之间的转换概率。然后你可以在你的假设之间选择一个模型，例如基于它对数据的拟合优度（如果你欠一些）和一些信息标准（AIC，BIC，DIC ......取决于你的拟合方法）。