Gizli Markov Modelleri uygulamak için Python kütüphanesi

Gizli Markov Modellerini uygulamak için hangi kararlı Python kütüphanesini kullanabilirim? Makul bir şekilde belgelenmesine ihtiyacım var, çünkü bu modeli daha önce hiç kullanmamıştım.

Alternatif olarak, HMM kullanarak bir veri seti üzerinde zaman serisi analizi yapmak için daha doğrudan bir yaklaşım var mı?

Başka bir alternatif yaklaşım için PyMC kütüphanesine göz atabilirsiniz. Fonnesbeck tarafından yaratılan ve HMM tasarımında size yol gösteren iyi bir özet https://gist.github.com/fonnesbeck/342989 var .

Ve PyMC hakkında gerçekten istekli olursanız, Bayesian Modelleme hakkında harika bir açık kaynak kitap var - https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers . Gizli Markov Süreçlerini açıkça tanımlamaz, ancak kütüphanenin kendisi hakkında çok sayıda örnekle çok iyi bir öğretici verir.

Bu soruya ilişkin bir güncelleme olarak, kabul edilen cevabın 2017 itibariyle en iyi seçenek olmadığına inanıyorum.

Kyle tarafından yorumlarda önerildiği gibi, hmmlearnşu anda Python HMM'ler için gidilecek kütüphane.

Bunun birkaç nedeni:

• Yukarı güncel dokümantasyon çok ayrıntılı ve öğretici içerir,

• _BaseHMMÖzel alt sınıf HMM varyantlarını uygulanması için devralabilir hangi sınıf

• Python 3.5+ 'nin son sürümleriyle uyumlu

• Sezgisel kullanım

Bunun aksine , ghmm kütüphane mevcut belgelere göre Python 3.x'i desteklemez. Belgeleme sayfalarının çoğu 2006 yılında oluşturulmuştur. İlk bakışta bir seçim kütüphanesi gibi görünmemektedir ...

Düzenleme: 2018'de hala geçerli.

nar kütüphanesinin HMM desteği var ve dokümantasyon gerçekten faydalı. Python'da birçok hmm kütüphanesini denedikten sonra bunu oldukça iyi buluyorum.

Alternatif bir yaklaşım için, belki de anlayışı geliştirmeye yardımcı olmak için bile, muhtemelen R aracılığıyla bazı analizler yapmak için bazı faydalar bulacaksınız. Kısım 1 , Kısım 2 , Kısım 3 , Kısım 4 . Bunlar veri üretimi / alımı ve manipülasyon için kaynaklar sağlayarak, gerçek HMM yöntemlerini işte görebilmek için işin çoğunu atlamanıza izin verir. Python uygulamalarına doğrudan analoglar vardır.

Bir yan not olarak, daha teorik bir giriş için belki Rabiner bazı fikirler verebilir

Ghmm kütüphane aradığınız biri olabilir.

Web sitelerinde söylendiği gibi:

Kesikli ve sürekli emisyonlu temel ve genişletilmiş HMM'ler için verimli veri yapıları ve algoritmalar uygulamak için kullanılır. Çok daha hoş bir arayüz ve ek işlevsellik sağlayan Python sarmalayıcıları ile birlikte gelir.

Ayrıca güzel bir belge ve ayaklarınızı ıslatmak için adım adım bir öğretici vardır.