如何使用hidden_markov修复广播状态和发射概率的错误？

Question

当我在hidden_markov包的文档中应用一个简单的示例时，我遇到了一些问题。在下面的代码中，我尝试了2种状态和3种可能的观察结果(在文档的示例中，有2种可能的观察结果，代码运行良好)：

states = ('s', 't')
possible_observation = ('A', 'B', 'C')

# Numpy arrays of the data

start_probability = np.matrix( '0.5 0.5')
transition_probability = np.matrix('0.6 0.4 ; 0.3 0.7')
emission_probability = np.matrix( '0.3 0.2 0.5 ; 0.3 0.1 0.6')

# Initialize class object

test = hmm(states,possible_observation,
           start_probability,
           transition_probability,
           emission_probability)

observations = ('A', 'B','B','A', 'C')
obs4 = ('B', 'C', 'A','B')
observation_tuple = []
observation_tuple.extend( [observations,obs4] )
quantities_observations = [18, 28]
num_iter=1000

e,t,s = test.train_hmm(observation_tuple,num_iter,quantities_observations)

运行代码后，我得到以下错误：

ValueError: operands could not be broadcast together with shapes (2,3) (1,2)

有趣的是，当我尝试3种状态和3种可能的观察(并根据这种变化修改概率矩阵)时，代码工作得很好。要么我遗漏了什么，要么状态的数量和可能的观察值应该总是相等，这是没有意义的。

Answer 1

根据上面提供的矩阵，只有两个矩阵的形状为(2,3)和(1,2)，分别为emission_probability和start_probability，错误是矩阵维度不匹配。要匹配矩阵的尺寸，以便它们可以用于计算点积，请执行以下操作。

emission_probability = emission_probability.T
start_probability = start_probability.T

此步骤必须在初始化类对象之前完成。