r 中的通用马尔可夫链
generic markov chain in r
我需要根据纽约天气模式的以下数据构建一个通用马尔可夫链。有三个区域——曼哈顿、布朗克斯和皇后区——我需要一个整体马尔可夫链图来描述整个区域的平均转移概率。
state<- c('rainy', 'sunny', 'rainy', 'sunny', 'cold' ,'rainy', 'cold')
region<- c('manhttan', 'manhattan', 'bronx', 'bronx', 'queens', 'queens', 'queens')
df<- data.frame(region, state)
library(markovchain)
mcFit <- markovchainFit(data=df$state)
print(mcFit)
plot(mcFit$estimate, edge.arrow.size=.89)
有什么想法吗?
下面给出了按区域划分的转移矩阵列表:
M <- tapply(state, region, function(s)
markovchainFit(data = s)$estimate@transitionMatrix)
因此,那时候的平均数是
Reduce("+", M) / length(M)
在这种情况下,它并没有真正起作用,因为数据太少,无法为每个区域估计一个合适的矩阵。
我需要根据纽约天气模式的以下数据构建一个通用马尔可夫链。有三个区域——曼哈顿、布朗克斯和皇后区——我需要一个整体马尔可夫链图来描述整个区域的平均转移概率。
state<- c('rainy', 'sunny', 'rainy', 'sunny', 'cold' ,'rainy', 'cold')
region<- c('manhttan', 'manhattan', 'bronx', 'bronx', 'queens', 'queens', 'queens')
df<- data.frame(region, state)
library(markovchain)
mcFit <- markovchainFit(data=df$state)
print(mcFit)
plot(mcFit$estimate, edge.arrow.size=.89)
有什么想法吗?
下面给出了按区域划分的转移矩阵列表:
M <- tapply(state, region, function(s)
markovchainFit(data = s)$estimate@transitionMatrix)
因此,那时候的平均数是
Reduce("+", M) / length(M)
在这种情况下,它并没有真正起作用,因为数据太少,无法为每个区域估计一个合适的矩阵。