1

私は機械学習の初心者です。HMM について読んだことがありますが、まだいくつか質問があります。

  1. 機械学習に HMM を適用する場合、初期確率、放出確率、遷移確率はどのように取得できますか?

  2. 現在、一連の値 (HMM を介して分類したい手の角度で構成されています) があります。最初のステップは何ですか?

    • HMM には 3 つの問題 (ForwardBackward、Baum-Welch、Viterbi) があることはわかっていますが、データをどうすればよいですか?

  3. 私が読んだ文献では、HMM 内での分布関数の使用に遭遇したことはありませんが、JaHMM が HMM に使用するコンストラクターは次のもので構成されています。

    • 状態数
    • 確率分布関数ファクトリー
    • コンストラクターの説明: 新しい HMM を作成します。各状態は同じ pi 値を持ち、遷移確率はすべて等しくなります。パラメータ: nbStates HMM の (厳密に正の) 状態数。opdfFactory 各状態に関連付けられた pdf を作成するために使用される pdf ジェネレーター。

これは何に使われますか？そして、どうすればそれを使用できますか？

ありがとうございました

4

1 に答える 1

2

データを表すように、初期確率、放出確率、遷移確率をモデル化して学習する必要があります。離散分布の場合、変数/状態がそれほど多くない場合は、最尤フィッティングからそれらを取得するか、ランダム フォレストやナイーブ ベイズなどの確率推定値を提供できる識別分類器をトレーニングします。連続分布については、ガウス過程またはガウス混合モデルや回帰フォレストなどの他の回帰方法をご覧ください。

あなたの 2. と 3. の質問について: それらは一般的であいまいなものであり、ここで回答することはできません。次の本を参照してください: Bishop による「パターン認識と機械学習」および Koller/Friedman による「Probabilistic Graphical Models」。

于 2013-03-21T17:12:49.593 に答える