如何解决给定hmmlearn上的隐马尔可夫模型,是否有一个函数可以计算观测序列T的概率?
我有一个使用hmmlearn.fit函数拟合的GaussianHMM。我也有很多观察序列,我想根据给定的拟合模型计算每个序列发生的概率。我查看了hmmlearn的文档,但找不到完全符合我想要的方法。在这种情况下,我是否只需要编码向前-向后算法?如果我前后编码,我还需要hmmlearn没有给出的发射矩阵。
有人对此有何建议?谢谢!
解决方法
我也有一堆观测序列,我想计算在给定拟合模型的情况下每个序列发生的概率
- 您可能需要的是
score
函数,以评估序列的概率(即model.score(X)
)。请注意,这是对数概率,因为hmmlearn
会针对下溢误差进行调整。
如果我前后编码,我还需要hmmlearn没有给出的发射矩阵。
- 尽管
GaussianHMM
没有排放矩阵,但是您可以选择离散化排放并利用MultinomialHMM
,这允许您指定并随后提取排放矩阵model.emissionprob_
。
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。