Python 如何将数据拟合到隐马尔可夫模型sklearn/hmmlearn中

我有一个时间序列数据集作为csv文件，包含以下列-

ID,TIMESTAMP,MEASUREMENTS[10]

对于一个ID，在进行这些测量时，存在多个测量值以及相关的时间戳。“测量值”列包含10个测量值的列表。一条记录（与特定时间戳关联）中的度量在某种程度上取决于前一条记录

例如，数据集的类型：

ID,TIMESTAMP,MEASUREMENTS
1,0,[123,456,567.....]
1,100,[....]
1,350,[....]
2,0,[....]
2,200,[.....]

此外，测量阵列在某些索引处包含NAN。 最后，我有一些与每个ID相关的标签，它是在该ID的最后一个时间戳之前执行的测量的结果。 我的目标是将这些数据拟合到HMM模型中，然后预测相同格式的测试数据集的标签。

---

如何从sklearn/hmmlearn将此模型拟合到HMM模型中？sklearns文档不符合模型要求，没有解释任何参数。

因为您的问题需要预测一个SKENCE标签。您应该使用的是序列分类工具

此外，在HMM中拟合数据需要一些预处理，因为它接受数组列表。您可以将时间戳和与每个id关联的三个测量值按时间升序连接起来。这将为每个ID提供长度为33的序列

---

如果你需要进一步的帮助，请告诉我。我最近在一个项目中使用了HMMLearn。

您解决了这个问题吗？我想我们有一个类似的问题，我需要知道如何使用hmmlearn进行多类分类，你能告诉我如何使用它吗？