在R depmixs4中的HMM文本識別

Question

我想知道如何利用depmixs4軟件包對R在數據集上運行HMM。我將使用哪些函數，以便對測試數據集進行分類？ 我有一個訓練數據文件，一個標籤數據文件和一個測試數據。訓練數據由4620行組成。每行有1079個值。這些值是83個窗口，每個窗口有13個值，所以換句話說，1079是由83個狀態組成的數據，每個類別有13個觀測值。每個具有1079個值的行都是口語詞彙，因此它有4620個話語。但總的來說，數據只有7個不同的單詞。每個這些不同的單詞有660個不同的話語，因此有4620行單詞。 所以我們有文字（0-6） 標籤文件是一個列表，其中每行標記爲0-6，對應於他們是什麼字。例如，行300標記爲2，行450標記爲6，520標記爲0.
測試文件包含大約5000行，結構與培訓數據完全相同，除了沒有與其關聯的標籤。 我想使用HMM來使用訓練數據來分類測試數據。 我將如何使用depmixs4輸出測試數據的分類？ 我看：

depmix(response, data=NULL, nstates, transition=~1, family=gaussian(), 
     prior=~1, initdata=NULL, respstart=NULL, trstart=NULL, instart=NULL, 
     ntimes=NULL,...) 

，但我不知道該怎麼迴應指或任何其它參數。

Answer 1

下面是一個快速的，但不完整的測試，讓你開始，如果只是爲了讓你熟悉基本的輪廓。請注意，這是一個玩具的例子，它只是爲了隱藏HMM設計/分析的表面。例如，depmixs4軟件包的小插件提供了相當多的上下文和示例。同時，這裏有一個簡短的介紹。

假設您想調查工業生產是否提供了有關經濟衰退的線索。首先，讓我們加載相關的包，然後從聖路易斯聯儲下載數據：

library(quantmod) 
library(depmixS4) 
library(TTR) 

fred.tickers <-c("INDPRO") 
getSymbols(fred.tickers,src="FRED") 

接下來，將數據轉換滾動1年百分比變化，以儘量減少數據中的噪聲和數據轉換成數據。在depmixs4分析幀格式：

indpro.1yr <-na.omit(ROC(INDPRO,12)) 
indpro.1yr.df <-data.frame(indpro.1yr) 

現在，讓我們運行一個簡單的HMM模型，然後選擇剛剛2個狀態 - 增長和收縮。請注意，我們只用工業生產來搜索信號：

model <- depmix(response=INDPRO ~ 1, 
       family = gaussian(), 
       nstates = 2, 
       data = indpro.1yr.df , 
       transition=~1) 

現在讓我們適應生成的模型，生成後的狀態 進行分析，和經濟衰退的估計概率。另外，我們會將數據與xts格式的日期綁定，以便於查看/分析。 （注意使用set.seed的（1），它被用來創建一個可複製的初始值，推出造型。）

set.seed(1) 
model.fit <- fit(model, verbose = FALSE) 
model.prob <- posterior(model.fit) 
prob.rec <-model.prob[,2] 
prob.rec.dates <-xts(prob.rec,as.Date(index(indpro.1yr)), 
    order.by=as.Date(index(indpro.1yr))) 

最後，讓我們回顧和理想的繪製數據：

head(prob.rec.dates) 
       [,1] 
1920-01-01 1.0000000 
1920-02-01 1.0000000 
1920-03-01 1.0000000 
1920-04-01 0.9991880 
1920-05-01 0.9999549 
1920-06-01 0.9739622 

高值（> 0.80 ??）表明/表明經濟處於衰退/收縮狀態。

再一次，一個非常非常基本的介紹，可能太基本了。希望能幫助到你。