我是HMM的新手，但我尝试使用Jahmm为UCI人类活动识别数据集构建代码。该数据集具有561个特征和7352行，还包括加速度计和陀螺仪的xyz惯性值，主要用于识别6种活动：步行，楼上行走，楼下行走，坐姿，站立和铺设。数据被归一化[-1,1]，但不是z-缩放。缩放后我只能获得不错的结果（R中的scale（）函数）。在缩放之后，我尝试了PCA，相关性为90 +％，randomForest重要性测量与mtry = 8进行尺寸缩减，但到目前为止，randomForest是唯一似乎有效的，但结果仍然很低（80％） 。此外，有时，某些活动在Jahmm代码上运行时会提供NaN值。
根据我到目前为止所读到的关于HMM的内容，这些结果太低了。在使用上述降维技术之前，我应该做更多的预处理吗？是否有与HMM兼容的特定降维技术？我是否过度拟合？还是我最好让它分散而不是连续？我真的必须为我的项目做活动识别和HMM。我很高兴得到那些已经尝试过Jahmm和R用于连续HMM的人的建议/反馈。如果有人可以建议使用日志概率的软件包/库，并在给定一组新的测试数据的情况下从适合的HMM中发出维特比序列，那也很棒。