如何在使用 hmmlearn 训练 Hidden Markov Model 时处理多个序列？

Question

这个问题也在 Cross-Validated SE 上

介绍

我正在处理描述 5 个设备功耗的时间序列数据。 我的目标是为每个设备训练一个最合适的隐马尔可夫 Model 并根据特定模型的似然分数进行分类（即给出功耗系列并告诉它是哪个设备）。 观察来自 7 天：

但是，测量不是连续的，在某些日子里，它们会覆盖一整天，而在另一些日子里，它们只是一部分，比如 7 小时，例如，这是其中一台设备的数据，分为几天：

我在理解如何将训练数据从hmmlearn库传递到 model 时遇到问题（假设我们需要前 5 天，剩下的 2 天将是评估和测试子集）。 现在它是这样完成的：

    model = hmm.GaussianHMM(n_components = n_hidden_states, n_iter = n_iter, random_state = seed)
    model.fit(train_dtf[device_name].to_numpy().reshape(-1,1))

其中train_dtf.head(1)是这样的：是

并包含从 0 到 4 的day_index的观察结果。我从hmmlearn 文档中了解到的是，传递给model.fit的数据始终是一个数组，如果不是，则必须先将其连接起来。 我不确定这是否有意义。

问题

1. 假设这是一个时间序列，这不是误导 model 吗？ 我的意思是，特别是如果观察期在几天之间有所不同。 我有一种直觉，我们应该以某种方式表明它在某个时刻新的一天开始了，因此新的模式开始了。我的直觉对吗？

2. 如果是这样，我该如何处理？ 我的第一个想法是训练 model 一天，保存参数，然后在第二天重新训练 model，但使用保存的参数作为起点，依此类推，直到用完所有训练日。 不过，我对这个解决方案没有信心，因为我无法解释为什么它应该起作用。

3. 也许有人可以提出任何其他更适合此特定任务的方法？ 我肯定会尝试 DTW，但我想知道是否还有其他工具。

Answer 1

hmmlearn库允许您提供多个序列。 fit的文档允许您传递多个序列； 你只需要告诉fit他们从哪里开始。

lengths (array-like of integers, shape (n_sequences, )) – X中各个序列的长度。 这些的总和应该是n_samples 。

假设您有 2 天的每小时数据：您有 2 * 24 = 48 个观测值。 参数lengths将为 [24,24] 以向 model 指示此信息。 时间步 25 不使用时间步 24 的信息； 相反，它是从startprob_初始化的，就像时间步 0 一样。