如何解决预测HMM中的下一个隐藏状态
我使用隐马尔可夫模型来查找隐藏状态。现在,我要预测给定状态的下一个隐藏状态。所以我读了很多答案。这是从stackoverflow找到的一种方法。 next hidden state probability at time T+1。我使用了这种方法,并且得到了转移概率。这是我的代码,
hState = ['Rset','Walk','Eat']
Obs = ['Inside 1','Outside 2','Snack 3']
order = [1,2,1,3,2]
no = 3
sProb = np.array([0.1,0.8,0.1])
tProb = np.array([[0.2,0.2,0.6],[0.1,0.1],[0.6,0.1,0.3]])
eProb = np.array([[0.7,0.6,0.3],[0.2,0.3,0.5]])
h = hmm.MultinomialHMM(3,"full",sProb,tProb)
h.emissionprob_ = eProb
oreder1 = np.array([order]).T
result= hmm.GaussianHMM(n_components=no).fit(oreder1)
result.predict(oreder1)
state_sequence = model.predict(oreder1)
prob_next_step = model.transmat_[state_sequence[-1],:]
我得到了这样的答案,
[5.00000000e-001 5.00000000e-001 1.43610751e-223]
所以我的问题是
- 如何通过这种转移概率获得下一个隐藏状态
- 当我在两种状态下获得相似的转移概率时,如何选择 非常感谢您的回答。我到处都在寻找答案,但我可以。谢谢。
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。