生成馬爾科夫轉移矩陣想象我有一系列的4個可能的狀態馬爾可夫（A，B，C，d）： X = [A, B, B, C, B, A, D, D, A, B, A, D, ....]
怎樣才能使用Python馬爾可夫變換矩陣？矩陣必須是4乘4，表示從每個狀態移動到其他3個狀態的概率。 我一直在看很多例子，但在所有這些例子中，矩陣是給出的，而不是基於數據計算的。 我也看着hmmlearn，但是我沒有看到如
我試圖從頭開始構建馬爾可夫鏈用戶轉換矩陣，但卡在字典值分配中。下面是示例代碼 ## user purchase sequence seperated by '|' at different time intervals
## lets say in first purchase user bought 3 4 12 23 45 41 25 these products then 4 5 12 1
有大量的文字模擬馬爾可夫鏈的例子，但是，對於一個狀態改變（基於概率隨着時間的推移前的天氣變化），我找不到任何的例子。對於恩，可以說 Sunny --> Sunny = probability is 0.8
Sunny --> Rainy = probability is 0.2
我在尋找什麼是寫一個算法，它可以顯示當前的天氣，直到N無步驟的方法。 爲e.g：f(3) => S,S,R 我猜我
我在計算轉移概率矩陣時遇到了麻煩。我有幾個ID和他們的搜索模式（頁面訪問）。例如： Id Page
1 A
1 A
1 B
2 C
2 C
3 D
3 E
3 F
1 D
1 G
4 G
4 C
4 H
2 D
2 C
我也有頁面的初始概率：P_a，....，P_h。如何在R（最好）或Python中進行編碼，以獲得所有id的Page變量的轉換概率矩陣。我知道如何做