python - 如何使用sklearn HMM计算观测数据的似然度

Question

HMM 存在三个基本问题:

1. 根据模型参数和观测数据，估计隐藏状态的最佳序列。
2. 根据模型参数和观察到的数据，计算数据的可能性。
3. 仅根据观察到的数据，估计模型参数。

问题1和问题3可以通过sklearn HMM解决 tutorial 。但是我们如何使用sklearn来解决问题2呢？

Answer 1

使用score()函数。从代码来看:

def score(self, X, lengths=None):
"""Compute the log probability under the model.

    Parameters
    ----------
    X : array-like, shape (n_samples, n_features)
        Feature matrix of individual samples.

    lengths : array-like of integers, shape (n_sequences, ), optional
        Lengths of the individual sequences in ``X``. The sum of
        these should be ``n_samples``.

    Returns
    -------
    logprob : float
        Log likelihood of ``X``.