問題タブ [markov-chains]

マルコフ連鎖の極限を計算するプログラムをプログラミングしています。

マルコフ行列が発散する場合、dA + (1-d)E の形式に変換する必要があります。ここで、A と E は両方とも n * n 行列であり、E のすべての要素は 1/n です。

しかし、入力が収束したときにその変換を適用すると、間違った値が出てきます。

マルコフ行列が収束するかどうかを確認する簡単な方法はありますか?

完全な data.frame の概要:

列fittedSurvには確率が含まれ、列はその時点でRatingの確率 ( ) に対応します。fittedSurv

マルコフ連鎖遷移行列の場合、追加の列が必要です。確率の 1 つの列 (ベクトル) を純粋にリサンプリングするだけでは十分ではありません。

推論に関する限り、最も効率的な方法は何でしょうか?
正しいRパッケージに関する可能な指示で十分です-例はおまけです。

@ジョナサン。そうかもしれません。ただし、時間の経過とともに変化する確率をブートストラップするか、確率のベクトルを再サンプリングして、意味のある確率の列を作成できるのではないかと思います。何かのようなもの：

次のように、100,000以上の単語を音素( CMUdict )にマッピングしています。

元の単語の文字を音素の数に等しい数のグループに分割したい、例

音素から書記素へのマッピングはありませんが、音素から書記素への統計モデルを計算し、それを使用して各単語をどこで分割するかを決定できるはずです。(このモデルを使用して、新しい単語を可能性のある音素に変換することもできればよいのですが)

これどうやってするの？隠れマルコフモデルが適用できるように聞こえると思っていましたが、それ以上のことはわかりません。

私は隠れマルコフモデルに不慣れで、次の問題をモデル化するための最良の方法を見つけようとしています。

3つの異なる状態になる可能性のある確率変数があります。隠れマルコフモデルと同様に、シーケンス内の次の状態とその状態が取る値に関心がありますが、私が持っている状態は既知であり、非表示ではありません。

答えてくれてありがとう。

私はここ数日、このjsスクリプトをPythonコードに変換しようとしています。

これまでの私の実装（ほとんどの場合、blindfull cp、あちこちでいくつかのマイナーな修正）：

問題：

1. 私はjavascriptの知識がまったくありません。

2. 「マルコフ」クラスオブジェクトへのテキストを「学習」しようとすると[例：a = markov（）; a.learn（ "sdfg"）;]次のエラーが発生します： "TypeError：unhashable type：'list'"、 "learnPart"関数の"mem"ディクショナリ、"learn"関数のメンバー。

   それで、これまでの私の質問は、なぜこの例外[リストオブジェクトのTypeError、辞書オブジェクト（ハッシュ可能）を誤って参照する]が発生するのかということです。

提案、方向性、ポイント、一般的なヘルプを事前に感謝します：D

私は次のように0から1の間の値を持つマトリックスマットを持っています（確率である可能性があります）：

ここで、この行列bをマルコフ遷移行列に変換します。つまり、各行の要素を合計して1にします。これは、行列をrowSumsで除算することによって実現します。

ただし、これにより、各列の要素の値は同じになります。

これは私が望むものではありません。各要素に異なる値を設定する必要がありますが、これを行う方法がわかりません。どんな提案もありがたいです！

私はプロトタイプフレームワークに取り組んでいます。

基本的に、GPS、モーション、心拍数、周囲の環境の読み取り値、温度などのセンサーデータに基づいて、各個人のライフスタイルのモデルまたはプロファイルを生成する必要があります。

提案されたモデルまたはプロファイルは、個人のライフスタイル パターンの知識表現です。たぶん、確率のグラフ。

これを実装するために、隠れマルコフ モデルを使用することを考えています。HMM の状態には、Working、Sleeping、Leisure、Sport などがあります。観測は、さまざまなセンサー データのセットである可能性があります。

HMM についての私の理解では、次の状態 S(t) は前の 1 つの状態 S(t-1) にのみ依存するということです。ただし、実際には、人の活動は以前の n 個の状態に依存する場合があります。HMMを使用することはまだ良い考えですか? または、他のより適切なモデルを使用する必要がありますか? マルコフ連鎖の 2 次および複数次の作業を見てきましたが、HMM にも適用されますか?

詳しく説明していただけると大変助かります。

ありがとう！！

マルコフ連鎖の状態列は、出生率 l(t) (ラムダの場合) と死亡率 m(t) (ミューの場合) によって完全に特徴付けられ、初期状態の初期確率分布 P0 が与えられます。また、状態の最大数 c (容量) があります。

上記の生死システムによって得られる一連の状態 y(t) が測定値として利用可能であり、m(t)、P0、および c も既知であるとします。

システムの逆数を取得し、mu(t) と P0 と c を指定して y(t) を作成する l(t) を計算するにはどうすればよいですか?

mu(t) または P0 が利用できなくなったらどうなりますか。まだ可能ですか？

私はこのような形のデータを持っています

Broker.ポジション

IP BP SP IP IP ..

この形のような二次遷移行列を計算したい

BPBP

SPSP

IPIP

BPSP

SPBP

IPSP

SPIP

BPIP

IPBP