Markov模型的多重轉換

我試圖通過一個類的馬爾可夫模型的多重轉換來運行數據框架。Markov模型的多重轉換

數據幀是這樣的：

df = pd.DataFrame({'Bull Market': [.9, .8, .5], 
        'Bear Market': [.25, .05, .25], 
        'Stagnant Market': [.75, .15, .25] 
        }, 
        index=["Bull Market", "Bear Market", "Stagnant Market"])

我有這樣的代碼，通過兩次運行它：

print(df.dot(df))

我需要通過模型X次運行它。我很難在dot（）上找到文檔，但根據我的發現，似乎沒有可以將它運行X次。

任何幫助將不勝感激，謝謝！

來源

2015-11-17 Ryan Kuhle

這不是馬爾可夫鏈的工作方式。您需要一個起始狀態（在這種情況下，[1,0,0]，[0,1,0]或[0,0,1]），然後您將轉換矩陣乘以狀態向量，然後將轉換矩陣乘以新獲得的狀態向量，等等。您不會將轉換矩陣自身相乘。如果您需要了解在特定數量的轉換後發生了什麼，您可以循環X次並執行X矩陣向量乘法。如果你想要穩定狀態，你需要找到主要的特徵向量，你可以使用numpy.linalg.eig。還要注意，這不適用於你有的轉換矩陣，因爲這些行不是概率分佈。

編輯：好吧，我想我明白你想要做什麼。由於矩陣向量乘法的工作方式，您還可以對矩陣求冪，然後將其乘以起始狀態向量，並獲得相同的結果，就像迭代乘以每個中間結果一樣。你可以使用numpy.linalg.matrix_power來做到這一點。我看到你從維基百科獲得了這個矩陣。你只是混淆了其中一些數字，即應該是0.025，而不是0.25。它的關鍵，每一行總計爲1

此代碼維基百科再現例如：

import numpy as np 

T = np.array([[0.9, 0.075, 0.025], 
       [0.15, 0.8, 0.05], 
       [0.25, 0.25, 0.5]]) 
start = np.array([0, 1, 0]) 

def find_state_after_n(start, T, n): 
    Tmult = np.linalg.matrix_power(T, n) 
    state = np.dot(start, Tmult) 
    return state 

find_state_after_n(start, T, 3) 

array([ 0.3575 , 0.56825, 0.07425])

來源

2015-11-17 04:12:09

感謝您的幫助。我創建了矩陣，基於一個圖表，我用三個不同的項目/列（我不知道正確的術語）給我的課程。我給出的示例問題只有兩個，所以我很困惑將三個列矩陣放在一起以便等於1.我的設置工作等於1，而不是像您提到的那樣按照正確的順序。我會審查你的代碼以及你找到的維基百科條目。在我給出的例子中，另外一個註釋是列等於1而不是行。我將繼續研究更多這方面的實例。 –

它實際上工作的任何一種方式。如果你使用這個矩陣的轉置，所以列總和爲1而不是行，你只需要乘以然後，即上面改變'state = np.dot（start，Tmult）'到'state = np.dot（ Tmult，開始）'。 –

Markov模型的多重轉換

回答

相關問題