Markov-Chain，统计树，什么更合适

Question

我有一些以数字表示的过渡（将数字视为标签）

我有一些生成此类数据的代码。代码在R

中

dataTrain=clusterSeq$FilteredMatrixFor90Percent[1:size,1:size]
dataTrain=matrix(1, nrow = 4, ncol = 4)
dataTrain[2,3]=3
dataTrain[1,3]=3
dataTrain[1,1]=2
dataTrain[1,4]=-1
dataTrain[2,4]=-1
dataTrain[1,1]=2
dataTrain[3,1]=3
> dataTrain
     [,1] [,2] [,3] [,4]
[1,]    2    1    3   -1
[2,]    1    1    3   -1
[3,]    3    1    1    1
[4,]    1    1    1    1

每行现在是来自设备的一条记录，报告其状态更改。 例如，假设第1行是设备1：然后它经过以下状态：2-> 1-> 3（然后停止）。并非所有设备都报告相同的长度，因此在末尾附加-1以表示该长度并使条目具有相同的长度。

您刚刚注意到我有不同长度的报告。

我想为所有这些过渡构建一个简单的统计树。理想情况下，我也想做预测。 “如果输入为2-1，下一个转换是什么”。预测也可以认为是进一步修剪估计的树。

我已经读了很多书，看来马尔可夫链可能能够捕捉到这种动态。我仍然不确定这是否是正确的选择：

1. 序列的长度不一样
2. 不应考虑到-1的转换。例如，在第一行中，我已经解释过的3-> -1不是过渡。

您能建议我一种可以处理此类数据的技术方法吗？我想要： 1.使用统计数据建立一些可视化，然后根据输入（变量输入，例如“ 2”，“ 2-1”，“ 3-1-1”）进行一些推断。

如果您能提供更多我应该阅读的内容，我将不胜感激。

谢谢 亚历克斯