用途:对存在不可观测潜在状态的序列数据拟合隐马尔可夫模型。当观测序列由有限个状态切换生成、需要把时间序列切分为潜在阶段、计算观测序列概率或解码最可能隐藏状态序列时使用。
主要能力:用Baum-Welch(EM)算法估计转移矩阵、发射参数与初始分布;通过前向-后向算法计算状态后验概率;用Viterbi解码最可能状态序列;通过BIC/AIC等信息准则在候选状态数中做模型选择;支持高斯、离散、泊松、多项式发射分布及full/diagonal/spherical协方差类型。
必要用法:输入观测序列或矩阵、隐藏状态数n_hidden_states、发射类型emission_type。可选参数包括初始参数、重启次数n_restarts(默认10)、最大迭代max_iterations(默认500)、收敛阈值convergence_tol(默认1e-6)、状态数范围state_range、协方差类型与正则化系数。典型流程:指定状态数与发射模型→初始化参数→迭代EM至收敛→Viterbi解码→跨状态数比较BIC/AIC→用留出数据验证并做后验解码。
限制与注意:EM只收敛到局部最优,需多次随机重启;长序列易数值下溢,应使用对数空间或缩放变量;状态过多会过拟合,需用BIC而非仅看似然;隐藏状态存在标签置换不确定性;标准HMM的停留时间服从几何分布,对长持续时间状态可能不合适。具体安装命令与运行接口在现有资料中暂未提供。