具有條件轉移概率的馬爾可夫模型

首先，讓我先承認，我並不像我希望的那樣精通統計學和數學。有人可能會說，知識剛好夠危險。:DI 如果我沒有正確使用術語，我深表歉意。

我正在嘗試對系統從一種狀態轉換到另一種狀態的概率進行建模。一個簡單的馬爾可夫模型是一個好的開始。（狀態集、初始狀態概率集、狀態間轉移概率集。）

但是，我正在建模的系統比這更複雜。導致 T 時刻某個狀態的轉移概率肯定取決於 T-1 時刻的狀態以外的變量。例如，當陽光普照時，S1 -> S2 的轉換概率可能為 40%，但在下雨時，S1 -> S2 的概率變為 80%。

來自評論者問題的附加信息：

1. 狀態是可觀察的。
2. 只會有5-10個州。
3. 目前我們要研究的協變量大約有 30 個，儘管最終模型肯定會比這更少。
4. 有些協變量是連續的，有些是離散的。

三個問題：

1. 如何將條件轉移概率合併到我的馬爾可夫模型中？
2. 或者，我應該完全從另一個角度來處理這個問題嗎？
3. 另外，我應該在線搜索哪些關鍵字/概念以了解更多信息？

我已經在網上搜索諸如“具有條件轉移概率的馬爾可夫模型”之類的東西，但到目前為止，還沒有什麼東西打我的臉說：“這是你的答案，笨蛋！”

感謝您的幫助和耐心。

你總是可以有一個二階或更高階的馬爾可夫鏈。在這種情況下，您的模型已準備就緒，其中包含所有概率轉換信息。您可以查看動態貝葉斯網絡，它是機器學習中經常使用的馬爾可夫鏈的圖形模型泛化。

引用自：https://stats.stackexchange.com/questions/24397