Python 多个不同长度序列上的Baum-Welch？

我希望你们能帮我澄清一些事情，我很难把我学到的关于HMM和一般数据准备的知识联系起来

所以，我已经为室内绘制的角色创建了一个特征提取器。这些字符存储为x轴和y轴上从一毫秒到下一毫秒的位置，以及第三行b，表示是否单击了笔（鼠标）

离散特征的值介于0-48之间，取决于x轴和y轴的变化幅度。由于数据是如何创建的，这些观察的长度可能会有所不同

我可能很快画出一个T_1，然后很慢地画出第二个T_2。。。然后是len（T_1_功能）！=透镜（T_2_特征）

因此，当我们对多个序列进行Baum-Welch时，我们保留前向传递和后向传递的值，然后在重新估计状态转移和发射矩阵（以及初始prob）时，我们必须同时进行更新

但是。。。我该如何处理长度差异？我最初唯一的想法是将离散值移动到1-49之间，并用0填充较短的序列。。。但这会影响排放分布：(

我想我想知道的是

• 我可以用不同长度的Baum Welch吗？如果可以的话，你能给我指出正确的方向吗？首先，我发现numpy不喜欢使用不同长度的嵌套数组
• 如果不是的话，那么如何自发地修正特征提取，使特征长度相同呢

我不指望你能解决这个问题，我只是被难住了，希望你能给我一些新的想法，这些想法可能是我还没有想到的