私はhmmlearnのGaussianHMMを使ってガウス観測値を持つ隠れマルコフモデルを訓練しています。各隠れ状態kは、対応するガウスパラメータmu_k、Sigma_kを有する。hmmlearn:時間T + 1の隠れ状態確率の予測をどのようにして完全な観測シーケンス1を与えるか:T
モデルを訓練した後、私は、次の量を計算したい:
P(Z_ {T + 1} J = | X_ {1:Tを})、
J = 1 2、... K、Kは隠れ状態の数である。
上記の確率は、x_1、x_2、...、x_T(x_i、i = 1、...、Tが使用される)の完全なシーケンスを仮定すると、基本的に1ステップ前の隠れ状態確率であるHMMモデルを訓練する。
私はdocumentationを読みましたが、この確率を計算する関数を見つけることができませんでした。回避策はありますか?
共有いただきありがとうございます。これも私が思いついたものです。ビタビトレースバックアルゴリズムによる '.predict'呼び出しの後に、時刻' T + 1'のクラス確率は 'model.transmat_ [state_sequence [-1]、:]' – cwl
に追加しました。回答。ありがとう;) – Eskapp