如何使未来的预测与隐马尔可夫模型

Question

我有可变长度的许多序列。对于这些，我想训练一个隐马尔可夫模型，我想稍后用它来预测（部分）序列的可能延续。我发现两种方法利用HMM到目前为止，预测未来：

1）产生幻觉的延续，并得到该序列持续的可能性。选择最可能的那个作为你的预测。这种方法需要明确知道可能的临时值。

2）使用维特比算法（部分）序列，以获得最可能的隐藏状态序列。以该序列中的最后隐藏状态的发射分布并预测例如该分布的平均值（通常是高斯）。

现在我的问题是：是否有任何其他的，可能更条理化，如何利用HMM预测未来？

谢谢！

Answer 1

在HMM马尔可夫假设指出，在时间T + 1的状态是独立之前T总状态，空调的T.

的

你选择2接近我的建议，除非你正在使用最后一个状态的最大似然赋值。相反，计算序列中最后一项的隐藏状态分布。这相当于用维特比算法中的“总和”替换“最大值”。 （参见https://www.coursera.org/course/pgm，并搜索“和积”算法，也称为置信传播）。

然后，采样以后，你做的是第一个样品最后的状态，考虑到其分布。然后使用转换矩阵采样下一个隐藏状态，并重复播放nauseum。由于在序列中的最后一个点之后没有实际的观察结果，因此您是从马尔可夫链中抽样的。这将为您提供未来的样本，并提供有关部分序列的所有信息。这与维特比不同的原因是，即使对部分分配的隐藏变量的最可能的分配可能性也很低。通过使用的最后状态下的整个分布，可以得到以下的（未观察到的未来）状态的更好的估计。