我目前正在使用Scikit Learn，并且在尝试训练高斯HMM时遇到了以下问题：
文件 "/Library/Python/2.7/site-packages/sklearn/hmm.py"，第 443 行，适合
self._do_mstep(stats, self.params)文件 "/Library/Python/2.7/site-packages/sklearn/hmm.py"，第 798 行，_do_mstep
super(GaussianHMM, self)._do_mstep(stats, params)文件 "/Library/Python/2.7/site-packages/sklearn/hmm.py"，第 580 行，_do_mstep
np.maximum(self.startprob_prior - 1.0 + stats['start'], 1e-20))文件 "/Library/Python/2.7/site-packages/sklearn/hmm.py"，第 476 行，_set_startprob
raise ValueError('startprob must sum to 1.0')值错误：启动概率的总和必须为 1.0
如果我消除某些特征（每个观测值少于 13 个特征），它仍然有效。我已经检查了所有输入是否有效，并且每个训练示例仅包含 numpy.float64s 的 2d 数组。关于出了什么问题的任何想法？谢谢！
我通过将 params 属性设置为训练集中所有唯一值的集合来解决此问题。
param=set(train.ravel())
model=hmm.GaussianHMM(n_components=6, covariance_type="full", n_iter=100,params=param)
训练是我用来拟合模型的 numpy 数组列表。
初始参数设置为包含所有 ascii 字符的字符串。
我遇到了同样的问题。我可以通过调整模型的隐藏状态数量来解决它。似乎，根据可用数据和状态的数量，该模型无法正确拟合
模型只是在拟合数据时遇到问题。 你可以通过一些围绕它的代码来继续尝试。 您可能需要添加一点以使它在x多次尝试后停止。 如果这仍然不起作用，请更改隐藏状态的数量。
while True:
try:
model.fit([data])
break
我只是在使用GaussianHMM时遇到了同样的问题。我发现问题来自这样一个事实，即我正在输入分类器整数值，并且它需要浮点值。当我意识到多项式HMM只接受连续值时，我尝试使用浮点数，并且它奏效了！
看起来hmmlearn包存在一些问题。以下内容对我有用
- 卸载 pip 版本的 hmmlearn：
pip uninstall hmmlearn - 从这里获取 hmmlearn 的来源。
- 从这里和这里删除 -1.0
- 使用
python setup.py install进行安装
这应该有效。hmmlearn提出了一个问题，但没有得到必要的关注。链接
学分 - https://github.com/wblgers/hmm_speech_recognition_demo