擅长：python、mysql、java
<p>你要找的概率只是转移矩阵的一行。转移矩阵的第n行给出了在<code>t+1</code>时刻转换到每个状态的概率，知道系统在<code>t</code>时刻的状态。在</p>
<p>为了知道系统在给定的观察序列的时间<code>t</code>处于什么状态，可以使用Viterbi算法，这是<code>hmmlearn</code>中方法<code>predict</code>的默认设置。在</p>
<pre><code>model = hmm.GaussianHMM(n_components=3, covariance_type="full", n_iter=100) # Viterbi is set by default as the 'algorithm' optional parameter.
model.fit(data)
state_sequence = model.predict(data)
prob_next_step = model.transmat_[state_sequence[-1], :]
</code></pre>
<p>我建议您仔细看看这个<a href="https://hmmlearn.readthedocs.io/en/latest/tutorial.html#training-hmm-parameters-and-inferring-the-hidden-states" rel="nofollow noreferrer">documentation</a>，它显示了具体的使用示例。在</p>
