如何解决使用 python 包 HMMlearn 拟合时间序列数据
我有一个数据集，其中包含随时间变化的电流测量样本（两个连续样本之间的时间差不均匀）。
我想用HMM求这个时间序列数据的分量个数，但是不知道怎么处理数据非均匀样本（hmmlearn的文档还不够）。
例如，我使用了以下代码。
Y = np.column_stack(df.iloc[:,0]).T #The current values over time
num_components = 2
model = GaussianHMM(n_components=num_components,covariance_type='full',n_iter=1000)
model.fit(Y)
print('\nMeans and variances of hidden state:')
for i in range(model.n_components):
print('\nHidden state',i+1)
print('Mean =',round(model.means_[i][0],3))
print('Variance =',round(np.diag(model.covars_[i])[0],3))
num_samples = df.shape[0]
samples,_ = model.sample(num_samples)
df['samples'] = samples
plt.figure(figsize=(15,8))
plt.title('Number of components = ' + str(num_components))
df['samples'].plot()
df[('Idc','pA')].plot(c='r')
plt.legend()
plt.show()
隐藏状态的均值和方差：
Hidden state 1
Mean = -10.806
Variance = 0.847
Hidden state 2
Mean = -4.142
Variance = 1.754
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
