我是隐藏马尔可夫模型的新手,为了试验它,我在Python 的hmmlearn包的帮助下,基于对携带或不携带雨伞的人的观察来研究阳光/雨天/有雾天气的情景.我的测试中使用的数据来自此页面("测试1" 的测试和输出文件).
我创建了下面提供的简单代码,以便从测试数据中拟合无监督的HMM,然后将预测与预期输出进行比较.结果似乎相当不错(10个正确预测中的7个).
我的问题是:我怎么知道模型处理的隐藏状态到问题域中的真实状态的映射？(换句话说,如何将响应与我的问题域的所需状态联系起来？)
这可能是一个非常天真的问题,但是如果模型受到监督,我会理解,在为拟合方法提供Y值时,我给出了映射...但我无法弄清楚它在这种情况下是如何工作的.
码:
import numpy as np
from hmmlearn import hmm
# Load the data from a CSV file
data = np.genfromtxt('training-data.csv', skip_header=1, delimiter=',',
dtype=str)
# Hot encode the 'yes' and 'no' categories of the observation
# (i.e. seeing or not an umbrella)
x = np.array([[1, 0] if i == 'yes' else [0, 1] for i in data[:, 1]])
# Fit the HMM from the data …