Hmmlearn分类用法

Question

我正在尝试使用赫美学学习一个模型，以便在我的数据集上进行分类。数据集有一个具有不同长度的序列列表。每个序列由事件发射组成。例如：

ID1: ['1', '10', '8', '15']
ID2: ['1', '10', '8', '15', '156', '459', '256']

这是我正在使用的代码。我发现了一个类似的例子这里。

    sequence_map = __load_df(file)

    x = []
    lengths = []

    for values in sequence_map.values():
        x.append(values)
        lengths.append(len(values))

    x = np.concatenate(x)

    model = hmm.GaussianHMM(n_components=2, algorithm='map', n_iter=1000, covariance_type="full").fit(x, lengths=lengths)
    predictions = model.predict(x, lengths)

我有兴趣将事件分为两类，所以我选择了n_components=2。

现在如何检索数据集中每个序列的类？

Answer 1

函数predict预测给定输入的最可能的状态序列。这不是你想要的问题，你的问题是关于分类的两个类别。

您需要的可能是predict_proba方法(请参阅文档这里)，它将按状态给出概率。

但是，请记住，您不能确切地知道HMM如何学会区分这两个类。这意味着，除非你从属于1类的训练样本中估计/初始化了第一高斯参数，另一种高斯参数是从属于2类的样本中估计/初始化的，否则你无法知道HMM是否将它的每一种状态关联到了一个类。这两个类也可以学习的方式，是使用的顺序之间的状态，使他们不同。例如，1类给出了一种S1-S2-S1-S2-S1-S2的状态模式.第2类给出了S1-S1-S2-S2-S1-S1-.让我们记住，HMMs对时间序列是好的。扪心自问:如果一个高斯分布可以完全代表一个类，那么为什么要使用隐马尔可夫模型呢？

对于(二进制)分类，一个更可靠的方法是训练两个HMMs，一个来自第一类样本，另一个来自第二类样本。一旦经过训练，每个测试序列都会使用score方法对两个模型进行评分(参见文档这里)。这将返回您所传递的序列的日志可能性，作为您调用它的模型的输入。然后将测试样本分类到返回最大似然结果的模型的类中。

这种方法的有趣之处在于，在这两个模型都给出低可能性结果的情况下，您还可以将测试序列标记为这两类感兴趣的两类的一部分。这也很好地概括了几十个类。