生成马尔科夫转移矩阵想象我有一系列的4个可能的状态马尔可夫（A，B，C，d）： X = [A, B, B, C, B, A, D, D, A, B, A, D, ....]
怎样才能使用Python马尔可夫变换矩阵？矩阵必须是4乘4，表示从每个状态移动到其他3个状态的概率。 我一直在看很多例子，但在所有这些例子中，矩阵是给出的，而不是基于数据计算的。 我也看着hmmlearn，但是我没有看到如
我试图从头开始构建马尔可夫链用户转换矩阵，但卡在字典值分配中。下面是示例代码 ## user purchase sequence seperated by '|' at different time intervals
## lets say in first purchase user bought 3 4 12 23 45 41 25 these products then 4 5 12 1
有大量的文字模拟马尔可夫链的例子，但是，对于一个状态改变（基于概率随着时间的推移前的天气变化），我找不到任何的例子。对于恩，可以说 Sunny --> Sunny = probability is 0.8
Sunny --> Rainy = probability is 0.2
我在寻找什么是写一个算法，它可以显示当前的天气，直到N无步骤的方法。 为e.g：f(3) => S,S,R 我猜我
我在计算转移概率矩阵时遇到了麻烦。我有几个ID和他们的搜索模式（页面访问）。例如： Id Page
1 A
1 A
1 B
2 C
2 C
3 D
3 E
3 F
1 D
1 G
4 G
4 C
4 H
2 D
2 C
我也有页面的初始概率：P_a，....，P_h。如何在R（最好）或Python中进行编码，以获得所有id的Page变量的转换概率矩阵。我知道如何做