如何在多列上实现隐马尔可夫模型？答案

【问题标题】：How to implement Hidden Markov Model on multiple columns?如何在多列上实现隐马尔可夫模型？
【发布时间】：2021-02-19 05:54:39
【问题描述】：

我在实现 HMM 模型时遇到了问题。我从一个熊猫数据框开始，我想使用两列来预测隐藏状态。我正在使用 hmmlearn 包。

我正在按照 hmmlearn 的说明“使用多个序列”https://hmmlearn.readthedocs.io/en/latest/tutorial.html#multiple-sequences

我遵循下面的代码，但将 X1 和 X2 设置为我的列

X1 = [[0.5], [1.0], [-1.0], [0.42], [0.24]]
X2 = [[2.4], [4.2], [0.5], [-0.24], [0.24]]
X = np.concatenate([X1, X2])
lengths = [len(X1), len(X2)]
hmm.GaussianHMM(n_components=3).fit(X, lengths)
predictions=model.predict(X)

问题在于，当我尝试预测状态而不是组合序列来创建 1 个预测时，我得到了每个观察值的预测。所以在这个例子中，我想要 5 个观察结果，但我得到了 10 个。有没有办法将数据帧的特征作为自变量合并以获得 1 个组合预测？

【问题讨论】：

我觉得这个帖子可以提供线索：stackoverflow.com/questions/52141332

标签： python pandas hidden markov hmmlearn

【解决方案1】：

目前，您正在为模型提供两个样本序列，每个序列有 5 个观察值，只有一个特征 - 所以总共有 10 个观察值。你想要的是有一个包含 5 个观察值的单个序列，具有两个特征。

应该是这样的：

X = [[0.5, 2.4], [1.0, 4.2], [-1.0, 0.5], [0.42, -0.24], [0.24, 0.25]]
lengths = [len(X)]
model = hmm.GaussianHMM(n_components=3).fit(X, lengths)
predictions = model.predict(X)

那么你将只有五个预测。

如果您想在您的示例中使用X1 和X2 构建X 变量，您可以使用zip：

X = [[x1[0], x2[0]] for x1, x2 in zip(X1, X2)]

【讨论】：

谢谢！这就说得通了。我尝试了代码，但仍然出现形状错误。 X = [[5, 4], [1, 2], [1, 5], [42, 24], [24, 25]] lengths = [len(X)] hmm.GaussianHMM(n_components=3).fit(X, lengths) predictions=model.predict(X) ValueError: could not broadcast input array from shape (10) into shape (5) 你知道为什么会这样吗？
此代码有效，但会导致警告：Fitting a model with 20 free scalar parameters with only 10 data points will result in a degenerate solution.，因此似乎不支持多功能系列。