使用此代码:
X = numpy.array(range(0,5))
model = GaussianHMM(n_components=3,covariance_type='full', n_iter=1000)
model.fit([X])
我懂了
tuple index out of range
self.n_features = obs[0].shape[1]
那么，您到底应该通过.fit()呢？元组中的隐藏状态和发射？如果是这样，按什么顺序？该文档没有帮助。
我注意到它喜欢传递元组，因为这不会产生错误:
X = numpy.column_stack([range(0,5),range(0,5)])
model = GaussianHMM(n_components=3,covariance_type='full', n_iter=1000)
model.fit([X])
编辑:
让我澄清一下，the documentation表示数组的序数必须为:
这几乎表明您为每个样本传递了一个元组，该元组以二进制方式表示存在哪些观察值。但是their example表示相反:
# pack diff and volume for training
X = np.column_stack([diff, volume])
因此造成困惑
最佳答案
高斯HMM函数似乎是针对仅用于多变量排放的HMM问题的，因此要求> 1的排放矢量。当文档中提到“n_features”时，它们不是在表示发射可以表达自己的方式的数目，而是指正交发射向量的数目。
因此，不要将“特征”(正交发射向量)与“符号”相混淆，以sklearn的话(据我所知，它可能与更大的hmm社区共享)指的是系统的实际唯一值。能够发射。
对于单变量排放矢量问题，请使用MultinomialHMM。
希望这对希望在不成为HMM的全局权威的前提下使用此工具的其他人澄清了:)
关于python - 对GaussianHMM.fit([X])中的X感到困惑，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/30789921/