R優化隱馬爾可夫模型中的狀態數

Question

我試圖找到一種方法來優化R中隱馬爾可夫模型（HMM）中的狀態數。 R中的HMM上有許多R包但I我無法估計隱藏狀態的最佳數量。 謝謝你的幫助。

Answer 1

要調整隱藏狀態的數量，您需要一個可能數量爲隱藏狀態的矢量nhs和性能指標perf()（某種可以評估模型效果的錯誤度量）。然後爲每個隱藏狀態數量建立一個模型，並選擇一個給你最佳性能的模型。

這是一個僞代碼的例子，說明如何做到這一點。

nhs <- c(1, 2, 3, 5, 8, 11, 15) 
error <- rep(NA, length(nhs)) 
for(i in 1:length(nhs)){ 
    fit <- train.HMM(data, nhs[i]) 
    error[i] <- perf(fit) 
} 
nhs[which.min(error)] # Optimal number of hidden states 

我想你的情況下的性能測量將是模型在預測新的看不見的例子的結果時有多好。我建議你爲每個隱藏狀態數量做cross validation。一些在這些線路上：

... 
for(i in 1:length(nhs)){ 
    pred <- vector("list", k) 
    for(fold in 1:k){ 
     fit <- train.HMM(data[not.in.fold.k], nhs[i]) 
     pred[[fold]] <- predict(fit, data[in.fold.k]) 
    } 
    error[i] <- perf(pred) 
} 
... 

我並沒有提供更詳細的代碼的原因是爲了不弄亂的例子（因爲你沒有提供一個可重複的例子，從工作）。

Answer 2

通過確定經常狀態的復發分析圖可能是一種信息化的方式來近似確定初始隱藏狀態的數量。