预测HMM中的下一个隐藏状态

编程问答 2022-06-11

问题描述

我使用隐马尔可夫模型来查找隐藏状态。现在，我要预测给定状态的下一个隐藏状态。所以我读了很多答案。这是从stackoverflow找到的一种方法。 next hidden state probability at time T+1。我使用了这种方法，并且得到了转移概率。这是我的代码，

hState = ['Rset','Walk','Eat']
Obs =  ['Inside 1','Outside 2','Snack 3']
order = [1,2,1,3,2]
no = 3
sProb = np.array([0.1,0.8,0.1])
tProb = np.array([[0.2,0.2,0.6],[0.1,0.1],[0.6,0.1,0.3]])
eProb = np.array([[0.7,0.6,0.3],[0.2,0.3,0.5]])
h = hmm.MultinomialHMM(3,"full",sProb,tProb)
h.emissionprob_ = eProb
oreder1 = np.array([order]).T
result= hmm.GaussianHMM(n_components=no).fit(oreder1)
result.predict(oreder1)

之后，我应用了上述方法来计算转移概率。该代码在下面

state_sequence = model.predict(oreder1)
prob_next_step = model.transmat_[state_sequence[-1],:]

我得到了这样的答案，

[5.00000000e-001 5.00000000e-001 1.43610751e-223]

所以我的问题是

  1. 如何通过这种转移概率获得下一个隐藏状态
  2. 当我在两种状态下获得相似的转移概率时，如何选择 非常感谢您的回答。我到处都在寻找答案，但我可以。谢谢。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

hidden-markov-modelshmmlearnpython