为hmmlearn格式化数据

Question

我试图在python中使用hmmlearn来拟合隐马尔可夫模型。我假设我的数据没有被正确的格式化，但是这些文档对于hmmlearn来说是很轻的。直观地，我会将数据格式化为n_observations x n_time_points x n_features的三维数组，但是hmmlearn似乎想要一个2d数组。

import numpy as np
from hmmlearn import hmm
X = np.random.rand(10,5,3)
clf = hmm.GaussianHMM(n_components=3, n_iter=10)
clf.fit(X)

这将产生以下错误：

ValueError: Found array with dim 3. Estimator expected <= 2.

有人知道如何格式化数据以构建我想要的HMM吗？

Answer 1

注意事项：以下所有内容都与当前未发布的hmmlearn版本0.2.0相关。PyPI上可用的0.1.0版本使用了从sklearn.hmm继承的不同的API。

要将模型转换为多个序列，您必须提供两个数组：

• X --连接所有序列的数据，
• lengths --一个序列长度数组。

我将尝试用一个例子来说明这些约定。考虑两个一维序列

X1 = [1, 2, 0, 1, 1]
X2 = [42, 42]

要将这两个序列传递给.fit方法，我们首先需要将它们连接到一个数组中，然后计算一个长度数组。

X = np.append(X1, X2)
lengths = [len(X1), len(X2)]

Answer 2

对于单个时间序列观测，hmmlearn拟合方法期望数据位于一个二维列向量中，该向量可以使用reshape(-1，1)获得：

X = np.array([1, 1, 0, -1, -1])
model = hmm.GaussianHMM(n_components=2, n_iter=100)
model.fit(X.reshape(-1,1))