通过hmmlearn学习使用GaussianHMM高斯隐马尔科夫模型模型

2024-06-04 12:48

本文主要是介绍通过hmmlearn学习使用GaussianHMM高斯隐马尔科夫模型模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

HMM主要解决的三个问题。
假设隐藏状态序列和观测状态序列分别使用Z和X表示,则解决的3个问题可表示为:
1.解码问题:已知模型参数和X,估计最可能的Z;维特比算法
2.概率问题:已知模型参数和X,估计X出现的概率;向前-向后算法
3.学习问题:仅给出X和隐藏层个数,估计模型参数。 B-W算法,通常是经过一定数量的训练以后,得到模型,然后解决问题1和2。
小贴士:
使用隐马尔可夫如何实现分类或者聚类?
设置一个得分阈值T,例如T属于(-1000,0),步长为100,然后迭代计算准确率和召回率,取出现准确率和召回率最好情况的阈值T作为分类,聚类判定点。

下面代码使用GaussianHMM,解决问题3的例子:

#coding=utf-8
'''
Created on 2018-1-22@author: 10205025
'''
import numpy as np
from hmmlearn import hmm# 这里假设隐藏层数量为5个    
model = hmm.GaussianHMM(n_components=5, n_iter=1000, tol=0.01,covariance_type="full")X1 = np.array([[2], [1],[0]])
X2 = np.array([[2], [1],[0],[2]])
X3 = np.array([[2], [1],[1]])
X4 = np.array([[2], [1],[0]])
X5 = np.array([[1], [2],[0]])X = np.vstack((X1,X2,X3,X4,X5))
print X
# [[2]
#  [1]
#  [0]
#  [2]
#  [1]
#  [0]
#  [2]
#  [2]
#  [1]
#  [1]
#  [2]
#  [1]
#  [0]
#  [1]
#  [2]
#  [0]]# 这里分别为X1,X2,X3,X4,X5的长度
X_lens = [3,4,3,3,3]
model.fit(X,X_lens)# 转换矩阵
print model.transmat_
# [[  4.90994062e-267   8.00000000e-001   1.00000000e-001   1.00000000e-001
#     4.90994062e-267]
#  [  1.00000000e-001   2.00000000e-001   3.00000000e-001   3.00000000e-001
#     1.00000000e-001]
#  [  5.00000000e-001   3.59090699e-133   2.80458184e-133   2.80458184e-133
#     5.00000000e-001]
#  [  5.00000000e-001   3.59090699e-133   2.80458184e-133   2.80458184e-133
#     5.00000000e-001]
#  [  4.90994062e-267   8.00000000e-001   1.00000000e-001   1.00000000e-001
#     4.90994062e-267]]# 正常的序列
test1 = np.array([[2, 1,0,2,1,0]]).T
print test1
# [[2]
#  [1]
#  [0]
#  [2]
#  [1]
#  [0]]
score = model.score(test1)
print score
# 10.1943163957# 不正常的序列
test2 = np.array([[2, 1,0,2,1,0,3]]).T
print test2
# [[2]
#  [1]
#  [0]
#  [2]
#  [1]
#  [0]
#  [3]]
score = model.score(test2)
print score
# -137.8727309

这篇关于通过hmmlearn学习使用GaussianHMM高斯隐马尔科夫模型模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1030126

相关文章

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

C 语言中enum枚举的定义和使用小结

《C语言中enum枚举的定义和使用小结》在C语言里,enum(枚举)是一种用户自定义的数据类型,它能够让你创建一组具名的整数常量,下面我会从定义、使用、特性等方面详细介绍enum,感兴趣的朋友一起看... 目录1、引言2、基本定义3、定义枚举变量4、自定义枚举常量的值5、枚举与switch语句结合使用6、枚

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Maven的使用和配置国内源的保姆级教程

《Maven的使用和配置国内源的保姆级教程》Maven是⼀个项目管理工具,基于POM(ProjectObjectModel,项目对象模型)的概念,Maven可以通过一小段描述信息来管理项目的构建,报告... 目录1. 什么是Maven?2.创建⼀个Maven项目3.Maven 核心功能4.使用Maven H

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

Spring Boot 集成 Quartz并使用Cron 表达式实现定时任务

《SpringBoot集成Quartz并使用Cron表达式实现定时任务》本篇文章介绍了如何在SpringBoot中集成Quartz进行定时任务调度,并通过Cron表达式控制任务... 目录前言1. 添加 Quartz 依赖2. 创建 Quartz 任务3. 配置 Quartz 任务调度4. 启动 Sprin

Linux下如何使用C++获取硬件信息

《Linux下如何使用C++获取硬件信息》这篇文章主要为大家详细介绍了如何使用C++实现获取CPU,主板,磁盘,BIOS信息等硬件信息,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录方法获取CPU信息:读取"/proc/cpuinfo"文件获取磁盘信息:读取"/proc/diskstats"文