Scikit Learn HMM Training mit Satz von Beobachtungssequenzen

Question

Ich hatte eine Frage darüber, wie ich mit GaussianHMM im scikit-learn-Paket auf mehrere verschiedene Beobachtungssequenzen gleichzeitig trainieren kann. Das Beispiel ist hier: visualizing the stock market structure

zeigt EM Konvergenz auf 1 lange Beobachtungssequenz. Aber in vielen Szenarien wollen wir die Beobachtungen aufbrechen (wie das Training auf einer Menge von Sätzen), wobei jede Beobachtungssequenz einen START- und END-Zustand aufweist. Das heißt, ich möchte global auf mehreren Beobachtungssequenzen trainieren. Wie kann man dies erreichen, wenn man GuassianHMM verwendet? Gibt es ein Beispiel zum Anschauen?

Vielen Dank im Voraus

Answer 1

In angebracht Beispiel Sie tun

model.fit([X]) 

das ist die Ausbildung auf einem Singletons von Beobachtungen, wenn Sie mehrere diejenigen haben, zum Beispiel X1, X2, X3 können Sie laufen

model.fit([X1,X2,X3]) 

im allgemeinen für HMM Implementierung in scikit-Learn Sie es eine Sequenz geben von Beobachtungen S

model.fit(S)