如何从具有转换和计数的字典创建转换矩阵

Question

我正在尝试创建一个HMM，我想创建我的过渡矩阵，但我不确定如何创建。 我有一本带有转换的字典以及这些转换发生的概率，如下所示(只是更大(：

{(1, 2): 0.0035842293906810036, (2, 3): 0.0035842293906810036, (3, 4): 0.0035842293906810036, (4, 5): 0.0035842293906810036, (5, 6): 0.0035842293906810036, (6, 7): 0.0035842293906810036, (7, 8)}

我定义如下：

# create a list of bigrams
bigrams = []
for i in range(len(integer_list)):
if i+1 in range(len(integer_list)):
bigrams.append((integer_list[i], integer_list[i+1]))
# Create a dictionary containing the counts each bigram occurs in the dataset
bigrams_dict = Counter(bigrams)
values = bigrams_dict.values()
# create a dictionary containing the probability of a word occurring. <- initial probs
frequencies = {key:float(value)/sum(counts_dict.values()) for (key,value) in counts_dict.items()}
frequency_list = []
for value in frequencies.values():
frequency_list.append(value)

现在我想用这个做一个过渡矩阵，这将是一个多维数组，但我不确定如何做到这一点。谁能帮帮我。

转移矩阵的示例如下所示(当然只有更多状态(：

0   1/3  2/3
0   2/3  1/3
1    0    0

Answer 1

一般过程只是预定义一个具有正确尺寸的零矩阵，然后一次填充一个元素。不要想太多这种任务。

例如，如果你知道你正好有 8 个状态，你可以像这样构造矩阵，使用frequencies字典：

import numpy as np
n_states = 8
transitions = np.zeroes((n_states, n_states), dtype=np.float)
for (state1, state2), probability in frequencies.items():
transitions[state1, state2] = probability

对于非常多的状态，这可能需要一段时间，具体取决于计算机的速度。

如果您不知道状态的总数，则可以通过计算数据中最大的状态数来估计它：

from itertools import chain
n_states = max(chain.from_iterable(frequencies.keys()))