使用HIdden Markov模型进行预测

Question

假设有一系列观察，例如。 [1,2,3,5,5,5,2,3,2,3, ..., 3, 4]。我试图在Scikit中使用HMM的当前实现 - 学习预测该观察序列的下一个值。我有2个问题。

1. 鉴于一系列观察结果，我如何预测下一次观察（如上所述）？

2. 鉴于n个观察的许多序列和那些序列的n + 1个观测值，HMM可用于预测n个观测值的新序列的第（n + 1）个观测值吗？如果是这样的话？

我无法从文档中了解到这一点。

我发现可能duplicate，但没有说明如何在Scikit中使用HMM - 学习预测序列中的下一个值。

Answer 1

HMM不适合这个问题。他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。即在训练时，对于每个给定序列中的所有位置(i, ..., i + k)，将模型观察i + k + 1作为特征并观察i作为目标。在测试时，将最后k个观察结果作为要素提供。

Answer 2

这是一个时间序列任务，没有理由相信HMM会在这里工作。

我建议你看一下时间序列方法---有一系列名为ARIMA的方法可以很好地运作。

Answer 3

scikit非常清楚培训HMM模型，请查看http://scikit-learn.org/stable/modules/hmm.html

HMM可用于对值列表进行采样，而每个预测仅取决于先前的状态。