從scikit學到的hmmlearn中缺少數據

Question

我使用scikit-learn的hmmlearn模塊運行一個簡單的HMM。它適用於完全觀察到的數據，但是當我通過缺失數據進行觀察時失敗。小例子：

import numpy as np 
import hmmlearn 
import hmmlearn.hmm as hmm 

transmat = np.array([[0.9, 0.1], 
        [0.1, 0.9]]) 
emitmat = np.array([[0.5, 0.5], 
        [0.9, 0.1]]) 

# this does not work: cannot have missing data 
obs = np.array([0, 1] * 5 + [np.nan] * 5) 

# this works 
#obs = np.array([0, 1] * 5 + [1] * 5) 

startprob = np.array([0.5, 0.5]) 
h = hmm.MultinomialHMM(n_components=2, 
         startprob=startprob, 
         transmat=transmat) 
h.emissionprob_ = emitmat 
print obs, type(obs) 
posteriors = h.predict_proba(obs) 
print posteriors 

如果obs完全觀察（每一個元素是0或1），它的工作原理，但我想獲得未觀測到的數據點的估計。我試着將它們編碼爲np.nan或None，但都不起作用。它給出了錯誤IndexError: arrays used as indices must be of integer (or boolean) type（在hmm.py", line 430, in _compute_log_likelihood）。

這怎麼能在hmmlearn中完成？

Answer 1

目前沒有辦法使用hmmlearn進行缺少數據插補。

作爲一種特殊的方法，您可以將觀察序列劃分爲完全觀測的子序列，然後爲每個子序列選擇最可能的狀態和觀測值，或者從轉移和發射概率中隨機地進行模擬。請注意，此策略可能會導致子序列邊界不一致。