是否有可能以适应hmmlearn多元GMHMM？

Question

我知道这是可能的，以适应多个序列到hmmlearn，但在我看来，这些序列需要从同一分布。

是否有可能以适应来自不同hmmlearn绘制分布一些意见序列的GMHMM？

我用例：我想，以配合不同的股票ķ金融时间序列GMHMM和预测，在指定的时间产生的K个股价的市场制度。因此，矩阵输入具有尺寸N（日期数）×K（库存数量）。如果hmmlearn不能做到这一点，请告诉我，如果有可能与另一包在Python或R？感谢您的帮助！

Answer 1

我对你的问题的方法将是使用多变量高斯的发射概率。

例如：让我们假定K是2，即，位置的数目是2。

在hmmlearn，K个将在平均矩阵的维数进行编码。

见，本实施例Sampling from HMM具有2维输出。换句话说，X.shape =（N，K），其中N是在这种情况下，样品500的长度，K是其输出是2的尺寸。

注意，作者绘制在一个轴上的各尺寸，即，X轴绘制的第一尺寸X [：，0]，并且y轴的第二尺寸X [：，1]。

要训​​练你的模型，确保X1和X2是相同的形状，在本例中采样X的，并形成训练数据集所描述here。

综上所述，通过调整K开头来代替K = 2调整为例，您的情况，并把它转换成GMHMM而不是GaussianHMM。

# Another example
model = hmm.GaussianHMM(n_components=5, covariance_type="diag", n_iter=100)

K = 3 # Number of sites
model.n_features = K # initialise that the model has size of observations =  K 

# Create a random training sequence (only 1 sequence) with length = 100.
X1 = np.random.randn(100, K) # 100 observation for K sites
model.fit(X1)

# Sample the fitted model
X, Z = model.sample(200)