ฉันต้องการใช้ BIC สำหรับการเลือกรุ่น HMM:
BIC = -2*logLike + num_of_params * log(num_of_data)
ดังนั้นฉันจะนับจำนวนพารามิเตอร์ในโมเดล HMM ได้อย่างไร พิจารณา HMM แบบ 2 สถานะง่ายๆโดยที่เรามีข้อมูลต่อไปนี้:
data = [1 2 1 1 2 2 2 1 2 3 3 2 3 2 1 2 2 3 4 5 5 3 3 2 6 6 5 6 4 3 4 4 4 4 4 4 3 3 2 2];
model = hmmFit(data, 2, 'discrete');
model.pi = 0.6661 0.3339;
model.A =
0.8849 0.1151
0.1201 0.8799
model.emission.T =
0.2355 0.5232 0.2259 0.0052 0.0049 0.0053
0.0053 0.0449 0.2204 0.4135 0.1582 0.1578
logLike = hmmLogprob(model,data);
logLike = -55.8382
ดังนั้นฉันคิดว่า:
Nparams = size(model.A,2)*(size(model.A,2)-1) +
size(model.pi,2)-1) +
size(model.emission.T,1)*(size(model.emission.T,2)-1)
Nparams = 13
ดังนั้นในตอนท้ายเราจึงมี:
BIC = -2*logLike + num_of_params*log(length(x))
BIC = 159.6319
ฉันได้พบวิธีแก้ปัญหาที่สูตรสำหรับnum_of_params
(สำหรับรุ่นมาร์คอฟแบบง่าย) ดูเหมือนว่า:
Nparams = Num_of_states*(Num_of_States-1) - Nbzeros_in_transition_matrix
ดังนั้นทางออกที่ถูกต้องคืออะไร? ฉันต้องคำนึงถึงความน่าจะเป็นที่จะเป็นศูนย์ในการฝึกอบรมช่วงการเปลี่ยนภาพหรือการปล่อยมลพิษหรือไม่?
==== อัปเดตตั้งแต่ 07.15.2011 ====
ฉันคิดว่าฉันสามารถให้ความกระจ่างเกี่ยวกับผลกระทบของมิติข้อมูล (โดยใช้ตัวอย่าง "การกระจายแบบเกาส์")
X คือเมทริกซ์ n-by-d โดยที่ (n-rows สอดคล้องกับการสังเกต; d-column สอดคล้องกับตัวแปร (Ndimensions)
X=[3,17 3,43
1,69 2,94
3,92 5,04
1,65 1,79
1,59 3,92
2,53 3,73
2,26 3,60
3,87 5,01
3,71 4,83
1,89 3,30 ];
[n d] = size(X);
n = 10; d =2;
โมเดลจะมีพารามิเตอร์จำนวนมากสำหรับ GMM:
nParam = (k_mixtures – 1) + (k_mixtures * NDimensions ) + k_mixtures * Ndimensions %for daigonal covariance matrices
nParam = (k_mixtures – 1) + (k_mixtures * NDimensions ) + k_mixtures * NDimensions * (NDimensions+1)/2; %for full covariance matrices
ถ้าเรารักษา X เป็นข้อมูลที่ 1 มิติ , กว่าที่เรามีnum_of_data = (n*d)
เพื่อให้สำหรับ2 มิติnum_of_data = n
ข้อมูลที่เรามี
ข้อมูล 2 มิติ : nParam = 11; logLike = -11.8197; BIC = 1.689
ข้อมูล 1 มิติ : nParam = 5; logLike = -24.8753; BIC = -34.7720
ฉันมีการฝึกฝนน้อยมากกับ HMM เป็นเรื่องปกติหรือไม่ที่จะมี HMM ด้วย (5,000, 6000 และพารามิเตอร์อื่น ๆ )?