我正在完成一项任务，我想为MP3播放器设计AI。 AI必须使用HMM方法进行训练和设计。
MP3播放器应具有适应其用户的功能，通过分析传入的生物传感器数据，并且从该数据中，mp3播放器将为下一首歌曲选择一种类型。赋值中有14个数据样本：
一个样本包括心率，呼吸，皮肤电导率，活动，最后是输出类型。以下是14个数据样本，仅供您了解我正在谈论的内容。
Sample HR RSP SC Activity Genre S1 Medium Low High Low Rock S2 High Low Medium High Rock S3 High High Medium Low Classic S4 High Medium Low Medium Classic S5 Medium Medium Low Low Classic S6 Medium Low High High Rock S7 Medium High Medium Low Classic S8 High Medium High Low Rock S9 High High Low Low Classic S10 Medium Medium Medium Low Classic S11 Medium Medium High High Rock S12 Low Medium Medium High Classic S13 Medium High Low Low Classic S14 High Low Medium High Rock
我关于HMM的工作时间非常少，所以我的问题是如果我在作业中找到了正确的角度。
每个传感器有三种不同的状态：低，中，高。 两个观察/输出符号：Rock，Classic
在我看来，我认为我的起始概率是心率低，中或高状态的加重因素。
因此AI的理想解决方案是它将学习这14组样本。当接收到用户传感器输入时，AI将比较所有四个传感器的状态组合与已记忆的样本。如果存在匹配组合，AI将选择类型，如果不存在，它将根据加强的转移概率选择类型，同时用新数据同时更新转移概率。
这是一种正确的方法，还是我错过了什么？是否有另一种方法来确定输出概率（关于EM的最大似然估计，但不理解这个概念）？
最好的问候，卡斯帕