如何构建隐马尔可夫模型

Question

我正在尝试建立一个隐马尔可夫模型，用于根据操作码(基本上只是告诉恶意软件做什么的单词)对恶意软件进行分类。我的数据由10种类型的恶意软件组成，每种类型大约有1000个操作码文件。在每个文件中，我有一个具有27个唯一值的随机数量的操作码，因此我将设置M= 27。我想知道是否有人有我可以参考或查看的代码

Answer 1

def train_hmm_random_restarts(obs_seq):
    len_o = len(obs_seq[0])
    if len_o>30000:
        random_restarts = 10
    elif len_o>10000:
        random_restarts = 30
    elif len_o>=5000:
        random_restarts = 50
    else:
        random_restarts = 100
    model= hmm.MultinomialHMM(n_components=2, n_iter=500, tol=0.5)
    # model.verbose=True
    model.fit(X=obs_seq)
    prev_model = model
    prev_log_prob = model.monitor_.history.pop()
    #random_restarts = 0
    while(random_restarts!=0):
        model= hmm.MultinomialHMM(n_components=2, n_iter=500, tol=0.5)
        #   model.verbose=True
        model.fit(X=obs_seq)
        log_prob = model.monitor_.history.pop()
        if (prev_log_prob < log_prob):
            prev_model = model
            prev_log_prob = log_prob
        random_restarts -= 1
    return prev_model

mymodel = train_hmm_random_restarts(np.array([[0,1,3,0,0,0,1,2,2,2,2]]))
#mymodel = train_hmm_random_restarts(X_train)
print(mymodel.emissionprob_)
print(mymodel.transmat_)