Scikit学习高斯HMM：ValueError：startprob必须加和为1.0

Question

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

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

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中]]
raise ValueError('startprob must sum to 1.0')
ValueError：startprob必须等于1.0

如果我删除了某些功能（每个观察少于13个功能），它仍然可以正常工作。我已经检查了所有输入是否有效，并且每个训练示例都仅包含numpy.float64s的2d数组。对出什么问题有任何想法吗？谢谢！

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，。 ..

Answer 1

我通过将params属性设置为训练集中所有唯一值的集合来解决此问题。

param=set(train.ravel())
model=hmm.GaussianHMM(n_components=6, covariance_type="full", n_iter=100,params=param)

Answer 2

使用GaussianHMM时，我只是在遇到相同的问题。我发现问题出在我输入分类器整数值而需要浮点数这一事实。当我意识到MultinomialHMM仅接受连续值，并且有效时，我尝试使用浮点数！

Answer 3

我有同样的问题。我可以通过调整模型的隐藏状态数来解决。似乎，根据可用数据和状态数，该模型无法正确拟合

Answer 4

模型仅在拟合数据时遇到麻烦。您可以通过一些围绕它的代码来继续尝试。您可能需要添加一点使其多次尝试后停止。如果仍然不起作用，请更改隐藏状态的数量。

Answer 5

似乎hmmlearn软件包存在问题。以下对我有用