Scikit學習觀察序列集的HMM訓練

我有一個關於如何在scikit-learn包中使用gaussianHMM來一次訓練幾個不同觀測序列的問題。示例如下：visualizing the stock market structure Scikit學習觀察序列集的HMM訓練

顯示EM收斂於1個長觀察序列。但在很多情況下，我們想要分解每個具有START和END狀態的觀察序列的觀察結果（如對句子集的訓練）。也就是說，我想全球訓練多個觀察序列。使用GuassianHMM時，如何做到這一點？有一個例子可以看嗎？

在此先感謝

2013-12-07 A.D

如果觀測序列具有多個特徵，這是否正常工作？ – notArefill

在附件中的例子，你做

model.fit([X])

這是一個單訓練觀察，如果你有多個的，例如X1，X2，X3可以運行

model.fit([X1,X2,X3])

一般在HMM實施

scikit學習你給它一個序列觀測值S

model.fit(S)

2013-12-08 15:28:40 lejlot

@lejlotk如果觀察具有多個特徵，是否可以執行此項工作？（例如，X1是R^3中的一個向量） – notArefill

是的，實際上它必須是**具有多個特徵的東西（在最壞的情況下只有一個），擬合接受：「列陣類似觀察序列，它具有形狀（n_i，n_features），其中n_i是第i個觀察的長度。「 – lejlot

@leijot謝謝。也許你可以看看我的問題在交叉驗證，這是回答http://stats.stackexchange.com/questions/169193/multiple-continuous-observations-in-hmm-gaussian-mixture – notArefill

回答