使用HIdden Markov模型进行预测

Question

假设有一系列观察，例如 [1,2,3,5,5,5,2,3,2,3, ..., 3, 4] .我正在尝试使用Scikit-learn中HMM的当前实现来预测此观察序列的下一个值。我对此有两个问题。

1. 给定一系列观测值，我如何预测下一个观测值（如上所述）？

给定许多n个观测值序列和这些序列的n+1个观测值

2. ，HMM是否可以用于预测n个观测值的新序列的第（n+1）个观测值？如果是这样，怎么办？

我无法从文档中掌握太多内容。

我发现了一个可能的重复项，但它没有指定如何在Scikit-learn中使用HMM来预测序列中的下一个值。

Answer 1

HMM不太适合这个问题。它们擅长预测完全观察到的序列的标签（隐藏状态），而不是完成序列。尝试在观测窗口上训练分类器或回归模型，然后将其用于预测。即在训练时，为每个给定序列中i的所有位置提供模型观测值(i, ..., i + k)特征，将观察i + k + 1作为目标。在测试时，将最后k观测值作为特征提供。

Answer 2

这是一个时间序列任务，没有理由相信 HMM 会在这里工作。

我建议你看看时间序列方法---有一系列叫做ARIMA的方法，它应该可以很好地工作。