我是统计分析的新手。我将对我的问题进行详细说明：我的数据集如下：ObjectIDTimestampState1t111t231t351t422t1122t2252t3332t441也是如此。状态总数已固定为20。每个对象都是相似的，可以分组为一个类。因此，最后，我具有属于相似类的每个对象的状态的可变长度序列及其各自的时间戳。因此，我想为此类数据集训练HMM模型，并在相应的输入为先前状态的序列时预测下一个状态为输出。因此，我如何解决此类问题，以及我需要使用该问题实现什么参数hmmlearnPython图书馆。任何代码帮助也会更好。看答案我想阅读文档hmmlearn图书馆至少会帮助您启动。因此，基

我正在使用隐马尔可夫模型来解决股票市场预测问题。我的数据矩阵包含针对特定安全性的各种功能:01-01-2001,.025,.012,.0101-02-2001,-.005,-.023,.02我拟合了一个简单的GaussianHMM:fromhmmlearnimportGaussianHMMmdl=GaussianHMM(n_components=3,covariance_type='diag',n_iter=1000)mdl.fit(train[:,1:])利用模型(λ)，我可以对观察向量进行解码，以找到最有可能对应观察向量的隐藏状态序列:printmdl.decode(test[0:

我正在使用隐马尔可夫模型来解决股票市场预测问题。我的数据矩阵包含针对特定安全性的各种功能:01-01-2001,.025,.012,.0101-02-2001,-.005,-.023,.02我拟合了一个简单的GaussianHMM:fromhmmlearnimportGaussianHMMmdl=GaussianHMM(n_components=3,covariance_type='diag',n_iter=1000)mdl.fit(train[:,1:])利用模型(λ)，我可以对观察向量进行解码，以找到最有可能对应观察向量的隐藏状态序列:printmdl.decode(test[0:

我是隐马尔可夫模型的新手，为了试验它，我正在研究晴天/雨天/雾天的情景，这是基于对一个人是否带伞的观察，在hmmlearnpackage的帮助下在Python中。我测试中使用的数据来自thispage(“测试1”的test和output文件)。我创建了下面显示的简单代码以从测试数据中拟合无监督HMM，然后将预测与预期输出进行比较。结果看起来非常好(10个正确预测中有7个)。我的问题是:我应该如何知道模型处理的隐藏状态到问题域中真实状态的映射？(换句话说，我如何将响应与我的问题域的所需状态相关联？)这可能是一个非常幼稚的问题，但如果模型受到监督，我会理解映射是我在为fit方法提供Y值时给