machine-learning - 使用 HIdden Markov 模型进行预测

Question

假设有一系列观察结果，例如[1,2,3,5,5,5,2,3,2,3, ..., 3, 4]。我正在尝试使用 Scikit-learn 中 HMM 的当前实现来预测该观察序列的下一个值。我对此有两个问题。

1. 给定一系列观察结果，我如何预测下一个观察结果(如上所述)？

2. 给定许多包含 n 个观测值的序列以及这些序列的 n+1 个观测值，HMM 是否可以用于预测 n 个观测值的新序列的第 (n+1) 个观测值？如果是这样怎么办？

我无法从文档中了解很多相关内容。

我发现了一个可能的 duplicate ，但它没有指定如何在 Scikit-learn 中使用 HMM 来预测序列中的下一个值。

Answer 1

HMM 不太适合解决这个问题。它们擅长预测完全观察到的序列的标签(隐藏状态)，而不是完成序列。尝试在观察窗口上训练分类器或回归模型，然后将其用于预测。 IE。在训练时，对于所有位置，将模型观测值 (i, ..., i + k) 作为特征，将观测值 i + k + 1 作为目标 i 在每个给定的序列中。在测试时，将最后 k 观察结果作为特征提供。