利用HIdden马尔可夫模型进行预测

Question

假设有一系列的观测，例如[1,2,3,5,5,5,2,3,2,3, ..., 3, 4]。我试图在Scikit中使用HMM的当前实现--学习预测这个观察序列的下一个值。关于这个我有两个问题。

1. 给定一系列观察结果，我如何预测下一次观测(如上文所述)？
2. 给定n个观测序列和这些序列的n+1观测序列，HMM能用来预测一个新的n观测序列的(n+1)th观测吗？如果是的话，怎么做？

从文档中我无法很好地理解这一点。

我找到了一个可能的复制，但它没有指定如何在Scikit中使用HMM --学习预测序列中的下一个值。

Answer 1

嗯，这个问题不太适合。他们擅长于预测完全观察到的序列的标签(隐藏状态)，而不是完成序列。尝试在观察窗口上训练分类器或回归模型，然后将其用于预测。也就是说，在训练时，给模型观测(i, ..., i + k)作为特征，以观测i + k + 1为目标，对每个给定序列中的所有位置进行i。在测试时，将最后的k观测作为特性提供。

Answer 2

这是一个时间序列任务，没有理由相信HMMs会在这里工作。

我建议你看看时间序列方法--有一个叫做阿里玛的系列方法，它们应该能很好地工作。