我试图用输入输出体系结构实现隐马尔可夫模型,但是我找不到任何好的python实现。在
如果有人能共享Python包,那么应该考虑以下针对HMM的实现
允许连续排放。 允许协变量(即i/O HMM中的自变量)的功能。在
现在,我正在努力寻找同样的python实现。在
我在hmmlearn中找不到相关的例子。在
以下是我测试过的几个库:
hmmlearn:hmmlearn允许将多个特征传递给排放/观测,但不支持包含协变量(即自变量)。在
hmms:不支持添加连续排放的功能,也不支持添加独立变量。在
IOHMM:我可以使用这个库来训练HMM模型,但是在训练模型之后却找不到文档来进行预测。在
因此,我正在寻找一个符合目的的包裹。在
from IOHMM import UnSupervisedIOHMM
from IOHMM import OLS, DiscreteMNL, CrossEntropyMNL, forward_backward
SHMM = UnSupervisedIOHMM(num_states=3, max_EM_iter=200, EM_tol=1e-6)
SHMM.set_models(model_emissions = [OLS(est_stderr=True)],
model_transition=CrossEntropyMNL(solver='lbfgs'),
model_initial=CrossEntropyMNL(solver='lbfgs'))
SHMM.set_inputs(covariates_initial = [], covariates_transition = [], covariates_emissions = [['Insulin']])
SHMM.set_outputs([['Glucose']])
SHMM.set_data([data])
SHMM.train()
经过以上训练,我不知道如何得到发射概率和隐藏态序列。在
目前没有回答
相关问题 更多 >
编程相关推荐