ห้องสมุดไพ ธ อนที่มีเสถียรภาพอะไรบ้างที่ฉันสามารถใช้เพื่อสร้างโมเดลมาร์คอฟที่ซ่อนอยู่ได้ ฉันต้องการเอกสารที่ดีพอสมควรเพราะฉันไม่เคยใช้รุ่นนี้มาก่อน
อีกวิธีหนึ่งมีวิธีที่ตรงกว่าในการทำการวิเคราะห์อนุกรมเวลาบนชุดข้อมูลโดยใช้ HMM หรือไม่
ห้องสมุดไพ ธ อนที่มีเสถียรภาพอะไรบ้างที่ฉันสามารถใช้เพื่อสร้างโมเดลมาร์คอฟที่ซ่อนอยู่ได้ ฉันต้องการเอกสารที่ดีพอสมควรเพราะฉันไม่เคยใช้รุ่นนี้มาก่อน
อีกวิธีหนึ่งมีวิธีที่ตรงกว่าในการทำการวิเคราะห์อนุกรมเวลาบนชุดข้อมูลโดยใช้ HMM หรือไม่
คำตอบ:
สำหรับวิธีการทางเลือกอื่นคุณสามารถดูที่ห้องสมุด PyMC มีส่วนสำคัญคือhttps://gist.github.com/fonnesbeck/342989สร้างโดย Fonnesbeck ซึ่งจะนำคุณไปสู่การสร้าง HMM
และถ้าคุณเป็นจริงๆกระตือรือร้นเกี่ยวกับ PyMC มีหนังสือที่เปิดแหล่งที่มาที่น่ากลัวเกี่ยวกับการสร้างแบบจำลองแบบเบย์ - https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers มันไม่ได้อธิบายอย่างชัดเจนถึงกระบวนการมาร์คอฟที่ซ่อนอยู่ แต่มันให้การสอนที่ดีมากเกี่ยวกับห้องสมุดด้วยตัวอย่างมากมาย
จากการอัปเดตของคำถามนี้ฉันเชื่อว่าคำตอบที่ยอมรับนั้นไม่ดีที่สุดในปี 2560
ตามที่แนะนำในข้อคิดเห็นโดย Kyle hmmlearn
ปัจจุบันเป็นไลบรารีสำหรับ HMM ใน Python
ด้วยเหตุผลหลายประการ:
ขึ้นไปวันที่เอกสารที่มีรายละเอียดมากและรวมถึงการกวดวิชา
_BaseHMM
ระดับที่ subclass กำหนดเองสามารถสืบทอดสายพันธุ์สำหรับการดำเนินการ HMM
เข้ากันได้กับ Python 3.5+ เวอร์ชั่นล่าสุด
ใช้งานง่าย
ตรงข้ามกับสิ่งนี้ghmm
ไลบรารีไม่สนับสนุน Python 3.x ตามเอกสารปัจจุบัน หน้าเอกสารส่วนใหญ่สร้างขึ้นในปี 2549 ดูเหมือนจะไม่ได้เป็นห้องสมุดแรกของทางเลือก ...
แก้ไข:ยังใช้ได้ในปี 2018
ห้องสมุดทับทิมมีการสนับสนุน HMM และเอกสารเป็นประโยชน์จริง ๆ หลังจากลองใช้ไลบรารี hmm จำนวนมากในหลามฉันพบว่ามันค่อนข้างดี
สำหรับแนวทางอื่นอาจช่วยเสริมความเข้าใจคุณอาจพบประโยชน์บางอย่างในการวิเคราะห์บางอย่างผ่านทางบทช่วยสอนแบบเรียลไทม์ของอาร์ซีรีส์อาร์ที่ใช้เวลามากสำหรับ [wannabe] สิ่งที่ควรให้ bootstrap ส่วนที่ 1 , ตอนที่ 2 , ตอนที่ 3 , ตอนที่ 4 สิ่งเหล่านี้ให้แหล่งข้อมูลสำหรับการสร้าง / การรับข้อมูลรวมถึงการจัดการทำให้คุณสามารถหลีกเลี่ยงงานส่วนใหญ่เพื่อดูวิธีการ HMM จริงในที่ทำงาน มี analogues โดยตรงกับการใช้งาน Python
ในฐานะที่เป็นบันทึกด้านข้างสำหรับการแนะนำทางทฤษฎีมากกว่านี้บางทีRabinerอาจให้ข้อมูลเชิงลึกบางอย่าง
ghmmห้องสมุดอาจจะเป็นหนึ่งที่คุณกำลังมองหา
ตามที่กล่าวไว้ในเว็บไซต์ของพวกเขา:
มันถูกใช้สำหรับการใช้โครงสร้างข้อมูลและอัลกอริทึมที่มีประสิทธิภาพสำหรับ HMM พื้นฐานและขยายด้วยการปล่อยแบบไม่ต่อเนื่องและต่อเนื่อง มันมาพร้อมกับห่องูหลามซึ่งให้อินเตอร์เฟซที่ดีกว่าและการทำงานที่เพิ่มขึ้น
นอกจากนี้ยังมีเอกสารที่ดีและการสอนทีละขั้นตอนเพื่อให้เท้าของคุณเปียก