Scikit Learn Gaussian HMM：ValueError：startprob 的总和必须为 1.0

Question

我目前正在使用 Scikit Learn，并且在尝试训练高斯 HMM 时遇到了以下问题：

文件“/Library/Python/2.7/site-packages/sklearn/hmm.py”，第443行，合适

self._do_mstep(stats, self.params)

文件“/Library/Python/2.7/site-packages/sklearn/hmm.py”，第 798 行，在 _do_mstep 中

super(GaussianHMM, self)._do_mstep(stats, params)

文件“/Library/Python/2.7/site-packages/sklearn/hmm.py”，第 580 行，在 _do_mstep 中

np.maximum(self.startprob_prior - 1.0 + stats['start'], 1e-20))

文件“/Library/Python/2.7/site-packages/sklearn/hmm.py”，第 476 行，在 _set_startprob

raise ValueError('startprob must sum to 1.0')

ValueError：startprob 的总和必须为 1.0

如果我消除了一些特征（每次观察少于 13 个特征），它仍然有效。我已经检查过所有输入都是有效的，并且每个训练示例只包含 numpy.float64s 的二维数组。关于出了什么问题的任何想法？谢谢！

Answer 1

我有同样的问题。我可以通过调整模型隐藏状态的数量来解决这个问题。看来，根据可用数据和状态数量，模型无法正确拟合