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

postgresql使用UUID函数的方法

《postgresql使用UUID函数的方法》本文给大家介绍postgresql使用UUID函数的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录PostgreSQL有两种生成uuid的方法。可以先通过sql查看是否已安装扩展函数,和可以安装的扩展函数

如何使用Lombok进行spring 注入

《如何使用Lombok进行spring注入》本文介绍如何用Lombok简化Spring注入,推荐优先使用setter注入,通过注解自动生成getter/setter及构造器,减少冗余代码,提升开发效... Lombok为了开发环境简化代码,好处不用多说。spring 注入方式为2种,构造器注入和setter

MySQL中比较运算符的具体使用

《MySQL中比较运算符的具体使用》本文介绍了SQL中常用的符号类型和非符号类型运算符,符号类型运算符包括等于(=)、安全等于(=)、不等于(/!=)、大小比较(,=,,=)等,感兴趣的可以了解一下... 目录符号类型运算符1. 等于运算符=2. 安全等于运算符<=>3. 不等于运算符<>或!=4. 小于运

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,:本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典

使用Python构建一个高效的日志处理系统

《使用Python构建一个高效的日志处理系统》这篇文章主要为大家详细讲解了如何使用Python开发一个专业的日志分析工具,能够自动化处理、分析和可视化各类日志文件,大幅提升运维效率,需要的可以了解下... 目录环境准备工具功能概述完整代码实现代码深度解析1. 类设计与初始化2. 日志解析核心逻辑3. 文件处

一文详解如何使用Java获取PDF页面信息

《一文详解如何使用Java获取PDF页面信息》了解PDF页面属性是我们在处理文档、内容提取、打印设置或页面重组等任务时不可或缺的一环,下面我们就来看看如何使用Java语言获取这些信息吧... 目录引言一、安装和引入PDF处理库引入依赖二、获取 PDF 页数三、获取页面尺寸(宽高)四、获取页面旋转角度五、判断

C++中assign函数的使用

《C++中assign函数的使用》在C++标准模板库中,std::list等容器都提供了assign成员函数,它比操作符更灵活,支持多种初始化方式,下面就来介绍一下assign的用法,具有一定的参考价... 目录​1.assign的基本功能​​语法​2. 具体用法示例​​​(1) 填充n个相同值​​(2)

Spring StateMachine实现状态机使用示例详解

《SpringStateMachine实现状态机使用示例详解》本文介绍SpringStateMachine实现状态机的步骤,包括依赖导入、枚举定义、状态转移规则配置、上下文管理及服务调用示例,重点解... 目录什么是状态机使用示例什么是状态机状态机是计算机科学中的​​核心建模工具​​,用于描述对象在其生命

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定