事件預測的隱馬爾可夫模型

問題：下面的設置是隱馬爾可夫模型的合理實現嗎？

我有一組108,000觀察數據（歷時 100 天）和2000整個觀察時間跨度內的大致事件。數據如下圖所示，其中觀察到的變量可以取 3 個離散值紅色列突出顯示事件時間，即的：

如圖中紅色矩形所示，我已經剖析了 {到} 對於每個事件，有效地將它們視為“事件前窗口”。

**HMM 訓練：**我計劃使用 Pg 中建議的多觀察序列方法，基於所有“事件前窗口”訓練隱馬爾可夫模型 (HMM)。拉賓納論文的第 273 頁。希望這將使我能夠訓練一個 HMM，以捕獲導致事件的序列模式。

**HMM Prediction：**那我打算用這個HMM來預測 在新的一天，在哪裡將是一個滑動窗口向量，實時更新以包含當前時間之間的觀察結果和隨著時間的推移。

我期待看到增加為類似於“事件前窗口”。這實際上應該允許我在事件發生之前預測它們。

你所描述的方法的一個問題是你需要定義什麼樣的增加是有意義的，這可能是困難的一般總是很小。訓練兩個 HMM 可能會更好，比如 HMM1 用於感興趣事件發生的觀察序列，HMM2 用於未發生事件的觀察序列。然後給定一個觀察序列你有

HMM2 也是如此。然後你可以預測事件將會發生，如果

*免責聲明：以下內容是基於我自己的個人經驗，因此請接受它。*HMM 的優點之一是它們允許您處理可變長度序列和可變順序效應（感謝隱藏狀態）。有時這是必要的（例如在許多 NLP 應用程序中）。但是，您似乎先驗地假設只有最後 5 個觀察結果與預測感興趣的事件相關。如果這個假設是現實的，那麼使用傳統技術（邏輯回歸、樸素貝葉斯、SVM 等）並簡單地將最後 5 個觀察值用作特徵/自變量，您可能會有更多的運氣。通常，這些類型的模型會更容易訓練並且（根據我的經驗）會產生更好的結果。

引用自：https://stats.stackexchange.com/questions/72717