machine-learning - 隐马尔可夫模型工具 : Jahmm

Question

我是机器学习的新手，我已经阅读过有关 HMM 的内容，但我仍然有几个问题:

1. 应用HMM进行机器学习时，如何获得初始概率、发射概率和转移概率？

2. 目前我有一组值(包括我想通过 HMM 进行分类的手的角度)，我的第一步应该是什么？

   • 我知道 HMM 存在三个问题(ForwardBackward、Baum-Welch 和 Viterbi)，但我应该如何处理我的数据？

3. 在我读过的文献中，我从未遇到过在 HMM 中使用分布函数，但 JaHMM 用于 HMM 的构造函数包括:

   • 州数
   • 概率分布函数工厂
   • 构造函数说明:创建一个新的 HMM。每个状态都有相同的 pi 值，并且转移概率都相等。参数:nbStates HMM 的状态数(严格为正)。opdfFactory 一个 pdf 生成器，用于构建与每个状态关联的 pdf。

这个有什么用？我该如何使用它？

谢谢

Answer 1

您必须以某种方式建模并学习初始概率、发射概率和转变概率，以便它们代表您的数据。在离散分布且变量/状态不多的情况下，您可以通过最大似然拟合获得它们，或者训练一个判别性分类器，它可以为您提供概率估计，例如随机森林或朴素贝叶斯。对于连续分布，请查看高斯过程或任何其他回归方法，例如高斯混合模型或回归森林。

关于您的问题 2 和问题 3:这里的回答过于笼统和模糊。您应该引用以下书籍:Bishop 的《Pattern Recognition and Machine Learning》和 Koller/Friedman 的《Probabilistic Graphical Models》。