隐马尔可夫模型工具: Jahmm

Question

我是机器学习的新手，我读过关于机器学习的文章，但我仍然有几个问题：

1. 当将隐马尔可夫模型应用于机器学习时，如何获得初始、发射和过渡概率？
2. 目前我有一套价值观(包括一只手的角度，我想通过一个HMM来分类)，我的第一步应该是什么？

- I know that there are three problems in a HMM (ForwardBackward, Baum-Welch, and Viterbi), but what should I do with my data?

​

1. 在我读过的文献中，我从未见过在HMM中使用分发函数，但是JaHMM为HMM使用的构造函数包括：

- number of states
- Probability Distribution Function factory
- Constructor Description: Creates a new HMM. Each state has the same pi value and the transition probabilities are all equal. Parameters: nbStates The (strictly positive) number of states of the HMM. opdfFactory A pdf generator that is used to build the pdfs associated to each state.

​

这是用来做什么的？我该怎么用呢？

谢谢

Answer 1

您必须以某种方式建模和学习初始的、发送的和转移的概率，以便它们代表您的数据。在离散分布且变量/状态不多的情况下，可以通过极大似然拟合得到它们，或者训练一个判别分类器，给出像随机森林或朴素Bayes这样的概率估计。对于连续分布，请查看高斯过程或任何其他回归方法，如高斯混合模型或回归林。

关于你的第二和第三条问题:它们是一般的和模糊的，在这里需要回答。请参阅以下书籍:毕晓普的“模式识别和机器学习”和科勒/弗里德曼的“概率图形模型”。