r - R depmixs4中的HMM文本识别

我想知道如何将depmixs4包用于R以在数据集上运行HMM。我将使用什么功能，以便获得测试数据集的分类？
我有一个训练数据文件，一个标签数据文件和一个测试数据文件。
训练数据包括4620行。每行有1079个值。这些值是83个窗口，每个窗口13个值，因此1079是由83个状态组成的数据，每个类别有13个观测值。这些具有1079个值的行中的每一行都是一个语音单词，因此它具有4620个发音。但总体而言，数据只有7个不同的词。这些不同的单词中的每个单词都有660种不同的发音，因此共有4620行单词。
所以我们有字（0-6）
标签文件是一个列表，其中每一行都标记为0-6对应于它们是什么单词。例如，行300标记为2，行450标记为6，而行520标记为0。
测试文件包含大约5000行，其结构与培训数据完全相同，只是没有标签附带。
我想使用HMM来使用训练数据对测试数据进行分类。
如何使用depmixs4输出我的测试数据分类？
我在看：

  depmix(response, data=NULL, nstates, transition=~1, family=gaussian(),
        prior=~1, initdata=NULL, respstart=NULL, trstart=NULL, instart=NULL,
        ntimes=NULL,...)

但我不知道响应是指什么或其他任何参数。

最佳答案

这是一个快速（尽管不完整）的测试，即使您只是为了熟悉基本轮廓，也可以让您入门。请注意，这只是一个玩具示例，它只是划伤HMM设计/分析的表面。例如，depmixs4包的小插图提供了很多上下文和示例。同时，这是一个简短的介绍。

假设您想调查工业生产是否提供有关经济衰退的线索。首先，让我们加载相关的程序包，然后从圣路易斯联储下载数据：

library(quantmod)
library(depmixS4)
library(TTR)

fred.tickers <-c("INDPRO")
getSymbols(fred.tickers,src="FRED")

接下来，将数据转换为滚动的1年百分比变化，以最大程度地减少数据中的噪声，并将数据转换为data.frame格式，以便在depmixs4中进行分析：

indpro.1yr <-na.omit(ROC(INDPRO,12))
indpro.1yr.df <-data.frame(indpro.1yr)

现在，让我们运行一个简单的HMM模型，并仅选择两种状态-增长和收缩。请注意，我们仅使用工业生产来搜索信号：

model <- depmix(response=INDPRO ~ 1,
                family = gaussian(),
                nstates = 2,
                data = indpro.1yr.df ,
                transition=~1)

现在让我们拟合结果模型，生成后验状态
进行分析，并估计衰退的可能性。另外，我们将数据与日期绑定为xts格式，以便于查看/分析。（请注意使用set.seed（1），它用于创建可复制的起始值以启动建模。）

set.seed(1)
model.fit <- fit(model, verbose = FALSE)
model.prob <- posterior(model.fit)
prob.rec <-model.prob[,2]
prob.rec.dates <-xts(prob.rec,as.Date(index(indpro.1yr)),
    order.by=as.Date(index(indpro.1yr)))

最后，让我们回顾一下并理想地绘制数据：

head(prob.rec.dates)
                [,1]
1920-01-01 1.0000000
1920-02-01 1.0000000
1920-03-01 1.0000000
1920-04-01 0.9991880
1920-05-01 0.9999549
1920-06-01 0.9739622

高值（> 0.80 ??）表示/建议经济处于衰退/收缩状态。

同样，一个非常非常基础的介绍，也许太基础了。希望能帮助到你。

关于r - R depmixs4中的HMM文本识别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/30146288/

hmm

r - R depmixs4中的HMM文本识别