使用HIdden馬爾科夫模型進行預測

假設有一系列觀察結果， [1,2,3,5,5,5,2,3,2,3, ..., 3, 4]。我試圖在Scikit-learn中使用當前的HMM實現來預測這個觀察序列的下一個值。我有2個關於這個問題。使用HIdden馬爾科夫模型進行預測

給定一系列觀察值，我如何預測下一個觀測值（如上所述）？給定n個觀測值的許多序列和這些序列的n + 1個觀測值，可以使用HMM來預測n個觀測值的新序列的第（n + 1）個觀測值嗎？如果是這樣如何？

我無法從文檔中瞭解到這一點。

我發現了一個可能的duplicate，但它沒有詳細說明如何在Scikit-learn中使用HMM來預測序列中的下一個值。

2013-09-28 maheshakya

HMM不適合這個問題。他們善於預測完全觀察序列的標籤（隱藏狀態），而不是完成一個序列。嘗試在觀測窗口上訓練分類器或迴歸模型，然後將其用於預測。即在訓練時間給出模型觀測值(i, ..., i + k)作爲特徵並且觀察i + k + 1作爲目標，針對每個給定序列中的所有位置i。在測試時，將最後的k觀察結果作爲特徵。

來源

2013-09-29 21:34:45

是的。我意識到HMM不會在這裏工作。謝謝你的提示。 – maheshakya

scikit是關於訓練HMM模型非常清晰，檢查此http://scikit-learn.org/stable/modules/hmm.html

HMM可用於採樣值的列表，而每個預測僅依賴於以前的狀態。

來源

2013-09-28 17:40:43

我已經看過這個。如何使用一系列值來訓練模型並獲取該值列表？ – maheshakya

使用fit（）方法時，[X]應該是形狀（n_i，n_features）。如果我們只是想用一系列觀測值來訓練模型，那麼n_features的值是什麼？ – maheshakya

如果我們要隱藏狀態作爲特徵，我們怎麼能提前知道這些隱藏的狀態？ – maheshakya

這是一個時間序列任務，沒有理由相信HMM會在這裏工作。

我建議你看看時間序列方法---有一個稱爲ARIMA的方法家族應該很好地工作。

來源

2013-09-30 12:54:04

使用HIdden馬爾科夫模型進行預測

回答

相關問題