如何将转换字典转换为马尔可夫链中的转换矩阵?

时间:2019-10-31 22:24:19

标签: python numpy numpy-ndarray markov-chains

我想将过渡字典转换为Marcov链中的过渡矩阵。我有一本字典,其中每个元素的值都指示我可以从该状态转到哪里(例如,从A到B或E)。我想将其转换为矩阵,每一行代表从每种状态移出的概率。

dictionary = {'A': 'BE', 'B': 'AFC', 'C': 'BGD', 'D': 'CH', 'E': 'AF', 'F': 'EBG', 'G': 'FCH', 'H': 'GD'}

我期望的是

mat = [[0.5, 0, 0, 0, 0.5, 0, 0, 0] #state A
       [0.333, 0, 0.333, 0, 0, 0.333, 0, 0] #state B
       ... ] #untill state H (8X8 matrix)

1 个答案:

答案 0 :(得分:1)

以下是将字典转换为过渡矩阵的方法:

import numpy as np


dictionary = {'A': 'BE', 'B': 'AFC', 'C': 'BGD', 'D': 'CH', 'E': 'AF', 'F': 'EBG', 'G': 'FCH', 'H': 'GD'}


letter_to_index = {letter: i for i, letter in enumerate(dictionary)}

n = len(dictionary)
mat = np.zeros((n, n))

for start, ends in dictionary.items():
    for end in ends:
        mat[letter_to_index[start],
            letter_to_index[end]] += 1./len(ends)

但是,作为预期结果给出的值似乎并不正确:第一种状态(A)的概率之和不等于1,并且与dictionary中给出的概率不同。