为 hmmlearn 格式化数据答案

【问题标题】：Formatting data for hmmlearn为 hmmlearn 格式化数据
【发布时间】：2016-01-15 17:23:58
【问题描述】：

我正在尝试在 python 中使用 hmmlearn 来拟合隐藏的马尔可夫模型。我假设我的数据格式不正确，但是文档对于 hmmlearn 来说很简单。直观地说，我会将数据格式化为 n_observations x n_time_points x n_features 的 3 维数组，但 hmmlearn 似乎想要一个 2d 数组。

import numpy as np
from hmmlearn import hmm
X = np.random.rand(10,5,3)
clf = hmm.GaussianHMM(n_components=3, n_iter=10)
clf.fit(X)

这给出了以下错误：

ValueError: Found array with dim 3. Estimator expected <= 2.

有谁知道如何格式化数据以构建我所追求的 HMM？

【问题讨论】：

标签： python hidden-markov-models hmmlearn

【解决方案1】：

注意：以下所有内容均与 hmmlearn 的当前未发布的 0.2.0 版本相关。 PyPI 上可用的 0.1.0 版本使用从 sklearn.hmm 继承的不同 API。

要fit模型到多个序列你必须提供两个数组：

X --- 所有序列的数据串联，
lengths --- 序列长度数组。

我将尝试通过一个示例来说明这些约定。考虑两个一维序列

X1 = [1, 2, 0, 1, 1]
X2 = [42, 42]

要将这两个序列传递给.fit 方法，我们需要首先将它们连接成一个数组，然后计算一个长度数组

X = np.append(X1, X2)
lengths = [len(X1), len(X2)]

【讨论】：

【解决方案2】：

在单个时间序列观察的情况下，hmmlearn fit 方法期望数据位于可以使用 reshape(-1,1) 获得的二维列向量中：

X = np.array([1, 1, 0, -1, -1])
model = hmm.GaussianHMM(n_components=2, n_iter=100)
model.fit(X.reshape(-1,1))

【讨论】：