我在实现 HMM 模型时遇到问题。我从一个 pandas 数据框开始，我想在其中使用两列来预测隐藏状态。我正在使用 hmmlearn 包。
我正在按照 hmmlearn“使用多个序列”的说明进行操作"https://hmmlearn.readthedocs.io/en/latest/tutorial.html#multiple-sequences
我遵循下面的代码，但将 X1 和 X2 设置为我的列
X1 = [[0.5], [1.0], [-1.0], [0.42], [0.24]]
X2 = [[2.4], [4.2], [0.5], [-0.24], [0.24]]
X = np.concatenate([X1, X2])
lengths = [len(X1), len(X2)]
hmm.GaussianHMM(n_components=3).fit(X, lengths)
predictions=model.predict(X)
问题是，当我尝试预测状态而不是组合序列来创建 1 个预测时，我得到的是对每个观察结果的预测。所以在这个例子中，我想要 5 个观察结果，但我得到了 10 个。有没有办法将数据框的特征合并为独立变量以获得 1 个组合预测？
最佳答案
目前，您为模型提供了两个样本序列，每个序列有 5 个观测值，只有一个特征 - 因此总共有 10 个观测值。您想要的是具有 5 个观测值和两个特征的单个序列。
会是这样的:
X = [[0.5, 2.4], [1.0, 4.2], [-1.0, 0.5], [0.42, -0.24], [0.24, 0.25]]
lengths = [len(X)]
model = hmm.GaussianHMM(n_components=3).fit(X, lengths)
predictions = model.predict(X)
那么您将只有五个预测。
如果您想像示例中那样使用X1 和X2 构建X 变量，您可以使用zip 来实现:
X = [[x1[0], x2[0]] for x1, x2 in zip(X1, X2)]
关于python - 如何在多列上实现隐马尔可夫模型？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/66272417/