使用 HMMLearn.multinomialhmm(discrete hmm) 预测下一次观察
predicting next observation using HMMLearn.multinomialhmm(discrete hmm)
我已经使用 hmmlearn
实现了 HMM:
states = ['healthy','sick']
observations = ['sleeping','eating','pooping']
model = HMM(n_components=2)
model.n_features = 3
model.startprob_ = [0.7, 0.3]
model.transmat_ = [
[0.8, 0.2],
[0.4, 0.6]
]
model.emissionprob_ = [
[0.2, 0.6, 0.2],
[0.4, 0.1, 0.5],
]
我也有一系列观察:
obs = np.array([0,0,1,0,2,0,1,2,0,1,0,2,0,1,1,2,0])
obs = obs.reshape(-1, 1)
现在我想预测下一次观察(在 t+1),但不知道如何。
(*我已阅读文档但一无所获)
我发现没有执行此操作的功能只能使用 model.predict()
获取隐藏状态概率,然后找出下一个状态(和观察)。
我已经使用 hmmlearn
实现了 HMM:
states = ['healthy','sick']
observations = ['sleeping','eating','pooping']
model = HMM(n_components=2)
model.n_features = 3
model.startprob_ = [0.7, 0.3]
model.transmat_ = [
[0.8, 0.2],
[0.4, 0.6]
]
model.emissionprob_ = [
[0.2, 0.6, 0.2],
[0.4, 0.1, 0.5],
]
我也有一系列观察:
obs = np.array([0,0,1,0,2,0,1,2,0,1,0,2,0,1,1,2,0])
obs = obs.reshape(-1, 1)
现在我想预测下一次观察(在 t+1),但不知道如何。
(*我已阅读文档但一无所获)
我发现没有执行此操作的功能只能使用 model.predict()
获取隐藏状态概率,然后找出下一个状态(和观察)。