我知道可以将多个序列放入hmmlearn中，但在我看来，这些序列需要从相同的分布中抽取。
是否可以将GMHMM与从hmmlearn中的不同分布中提取的多个观察序列拟合？
我的用例 ： 我想将 GMHMM 与来自不同股票的 K 金融时间序列拟合，并预测在特定时间产生 K 股票价格的市场制度。 因此，矩阵输入具有维度 N(日期数(× K(股票数(。 如果 hmmlearn 不能做到这一点，请告诉我是否可以使用 python 或 R 中的另一个包？ 感谢您的帮助！
我解决您的问题的方法是使用多变量高斯来表示发射概率。
例如：假设 K 是 2，即位置的数量是 2。
在 hmmlearn 中，K 将被编码为平均矩阵的维度。
请参阅，此示例"从 HMM 采样"具有二维输出。换句话说，X.shape = (N， K(，其中 N 是本例中样本 500 的长度，K 是输出的维度，即 2。
请注意，作者在一个轴上绘制了每个维度，即 x 轴绘制第一个维度 X[：， 0]，y 轴绘制第二个维度 X[：， 1]。
若要训练模型，请确保 X1 和 X2 与示例中采样的 X 具有相同的形状，并按照此处所述形成训练数据集。
总之，通过调整 K 而不是 K=2 来使示例适应您的情况，并将其转换为 GMHMM 而不是 GaussianHMM。
# Another example
model = hmm.GaussianHMM(n_components=5, covariance_type="diag", n_iter=100)
K = 3 # Number of sites
model.n_features = K # initialise that the model has size of observations = K
# Create a random training sequence (only 1 sequence) with length = 100.
X1 = np.random.randn(100, K) # 100 observation for K sites
model.fit(X1)
# Sample the fitted model
X, Z = model.sample(200)