Mit HIdden-Markov-Modell für die Vorhersage
Nehme an, es ist eine Sequenz von Beobachtungen,z.B. [1,2,3,5,5,5,2,3,2,3, ..., 3, 4]
. Ich bin versucht, die aktuelle Implementierung von HMM in Scikit-learn, um vorherzusagen, der nächste Wert dieser Beobachtung Sequenz. Ich habe 2 Fragen in Bezug auf diese.
- Gegeben eine Sequenz von Beobachtungen, wie kann ich Vorhersagen, die nächste Beobachtung(wie oben erwähnt)?
- Viele Sequenzen von n Beobachtungen und n+1 Beobachtungen jene Sequenzen, HMM kann verwendet werden, um vorherzusagen, die (n+1) - te Beobachtung eine neue Folge von n Beobachtungen? Wenn ja, wie?
Ich konnte es nicht fassen viel über diese aus der Dokumentation.
Fand ich eine wahrscheinlich doppelte, aber es ist nicht angegeben, auf wie zu verwenden HMM in Scikit-learn, um vorherzusagen den nächsten Wert in einer Sequenz.
InformationsquelleAutor maheshakya | 2013-09-28
Du musst angemeldet sein, um einen Kommentar abzugeben.
HMMs sind nicht eine gute Passform für dieses problem. Sie sind gut für die Vorhersage der Etiketten (hidden states) der vollständig beobachteten Sequenz, nicht für den Abschluss einer Sequenz. Versuchen training eines Klassifizierers oder regression-Modell unter windows von Beobachtungen, dann verwenden Sie, dass für die Vorhersage. I. e. training Zeit geben dem Modell die Beobachtungen
(i, ..., i + k)
Funktionen und Beobachtungi + k + 1
als Ziel, für alle Positioneni
in jeder gegebenen Sequenzen. Bei der Prüfung Zeit, füttern Sie die letztenk
Beobachtungen als Funktionen.InformationsquelleAutor Fred Foo
Dies ist eine Zeit-Serie, Aufgabe, es gibt keinen Grund zu glauben, dass HMMs hier arbeiten würde.
Ich würde vorschlagen, Sie schauen bei der Zeitreihenanalyse Methoden---es gibt eine Familie von Methoden genannt ARIMA, die sollte gut funktionieren.
InformationsquelleAutor Ben Allison
scikit ist sehr klar über die Ausbildung ein HMM-Modell, überprüfen Sie diese http://scikit-learn.org/stable/modules/hmm.html
HMM kann verwendet werden, zum Beispiel eine Liste von Werten, wobei jede Vorhersage hängt nur vom vorherigen Zustand.
Bei Verwendung der fit () - Methode, [X] sollte in der Form (n_i, n_features). Hier was sind die Werte, für n_features wenn wir einfach nur trainieren möchten, das Modell unter Verwendung einer Sequenz von Beobachtungen?
Wenn wir zu geben, die versteckten Zustände, die als features, wie können wir wissen, diese versteckte Staaten im Voraus?
InformationsquelleAutor Zac Wrangler