1
我使用hmmlearn的GaussianHMM训练具有高斯观测值的隐马尔可夫模型。每个隐藏状态k都有其对应的高斯参数:mu_k,Sigma_k。hmmlearn:在给定完整观察序列的情况下,如何在时间T + 1获得隐藏状态概率的预测1:T
训练模型后,我想计算以下量:
P(Z_ {T + 1} = j的| X_ {1:T}),
其中j = 1, 2,... K,K是隐藏状态的数量。
以上概率基本上是一步提前隐藏状态概率,给定了一系列完整的观测值:x_1,x_2,...,x_T,其中x_i,i = 1,...,T被使用训练HMM模型。
我读了documentation,但找不到函数来计算这个概率。有什么解决方法吗?
感谢您的分享。这也是我想出来的。只是想在通过维特比回溯算法调用'.predict'后,在时间'T + 1'处的类概率是:'model.transmat_ [state_sequence [-1],:]' – cwl
我将它添加到我的回答。谢谢 ;) – Eskapp