是否可以在hmmlearn中拟合多元GMHMM？

Question

我知道可以将多个序列拟合到hmmlearn中，但是在我看来，这些序列需要从相同的分布中得出。

是否可以用从hmmlearn中的不同分布得出的几个观测序列拟合GMHMM？

我的用例：我想用来自不同股票的K金融时间序列拟合GMHMM，并预测在指定时间产生K股价的市场制度。 因此，矩阵输入的维数为N（日期数）×K（股票数）。 如果hmmlearn无法做到这一点，请告诉我是否可以在python或R中使用另一个包？ 感谢您的帮助！

Answer 1

我对您的问题的处理方法是对排放概率使用多元高斯模型。

例如：假设K为2，即位置数为2。

在hmmlearn中，K将以均值矩阵的维数进行编码。

请参见本示例， 从HMM进行采样具有二维输出。 换句话说，X.shape =（N，K），其中N是这种情况下样本500的长度，K是输出的尺寸，即2。

请注意，作者在轴上绘制了每个尺寸，即x轴绘制了第一尺寸X [:, 0]，y轴绘制了第二尺寸X [:, 1]。

要训​​练您的模型，请确保X1和X2与示例中的采样X形状相同，并按此处所述形成训练数据集。

总之，通过调整K而不是K = 2来将示例适应您的情况，并将其转换为GMHMM而不是GaussianHMM。

# Another example
model = hmm.GaussianHMM(n_components=5, covariance_type="diag", n_iter=100)

K = 3 # Number of sites
model.n_features = K # initialise that the model has size of observations =  K 

# Create a random training sequence (only 1 sequence) with length = 100.
X1 = np.random.randn(100, K) # 100 observation for K sites
model.fit(X1)

# Sample the fitted model
X, Z = model.sample(200)