我试图在python中使用hmmlearn拟合隐藏的Markov模型。我假设我的数据格式不正确，但是对于hmmlearn来说，文档很浅。直观地，我会将数据格式化为n_observations x n_time_points x n_features的3维数组，但是hmmlearn似乎想要一个2d数组。
import numpy as np
from hmmlearn import hmm
X = np.random.rand(10,5,3)
clf = hmm.GaussianHMM(n_components=3, n_iter=10)
clf.fit(X)
出现以下错误：
ValueError: Found array with dim 3. Estimator expected <= 2.
有谁知道如何格式化数据以构建我要使用的HMM？
注意：以下所有内容都与当前未发布的的0.2.0版本有关hmmlearn。PyPI上可用的0.1.0版本使用从继承的其他API sklearn.hmm。
为了使模型适合多个序列，您必须提供两个数组：
X ---来自所有序列的数据的串联， lengths ---序列长度的数组。我将通过一个示例来说明这些约定。考虑两个一维序列
X1 = [1, 2, 0, 1, 1]
X2 = [42, 42]
为了将两个序列都传递给.fit方法，我们需要先将它们连接成一个数组，然后计算一个长度数组
X = np.append(X1, X2)
lengths = [len(X1), len(X2)]
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句