Python hmmlearn中的GMMHMM是否在运行时没有任何n_样本大小的bug？

首先，我的hmmlearn版本是0.3.0b（使用conda安装）

我试图在hmmlearn中实现GMMHMM模型，但我得到：

ValueError: n_samples=3 should be >= n_clusters=5

更具体地说，我有一个由4个状态和5个混合高斯（簇）组成的模型，我的输入X变量有

形状（20,3）

，如

（n个样本，n个特征）

中所述

以下是创建错误的代码：

import numpy as np
from hmmlearn import hmm

size = 30
data = np.concatenate((np.random.normal(0,1,size), np.random.normal(5,2,size)))
np.random.shuffle(data)
x = np.reshape(data,(-1,3))

model = hmm.GMMHMM(n_components=4, n_mix=5)
model.fit(x)

---

有人能找到任何理由吗？或者这是图书馆的一个bug？我找不到实现GMMHMM模型的在线示例。

我也有同样的问题

它似乎希望在一行中包含多个样本，高斯混合将在这些样本上进行训练。即，一个三维数组，其中每行是一个样本数组，每个样本是多元高斯混合特征数组：

[
  [[a b],[a b],[a b],[a b]]
  [[a b],[a b],[a b],[a b]]
  [[a b],[a b],[a b],[a b]]
  [[a b],[a b],[a b],[a b]]
  ...
]

这是因为，当我试图将其重塑为一行多个样本时，我克服了错误。但是，我得到了一个错误，即没有足够的n_样本用于HMM本身的训练，即缺少行

[
  [a a a a a a a a a],[b b b b b b b b b]
]

问题是fit（）方法只接受二维数组，而不接受三维数组。所以我无法做到这一点，我不知道HMMGMM中的多元高斯混合应该如何用hmmlearn实现

但由于特征的性质是相同的，我将它们以不同的偏移量一个接一个地堆叠成一个连续的流，并训练一个变量（而不是多变量）的简单高斯混合：

---

2d概率密度函数中将有2个凸起，而不是单个3d“凸起”，这足以区分不同的输入时间序列。

我也有同样的问题

它似乎希望在一行中包含多个样本，高斯混合将在这些样本上进行训练。即，一个三维数组，其中每行是一个样本数组，每个样本是多元高斯混合特征数组：

[
  [[a b],[a b],[a b],[a b]]
  [[a b],[a b],[a b],[a b]]
  [[a b],[a b],[a b],[a b]]
  [[a b],[a b],[a b],[a b]]
  ...
]

这是因为，当我试图将其重塑为一行多个样本时，我克服了错误。但是，我得到了一个错误，即没有足够的n_样本用于HMM本身的训练，即缺少行

[
  [a a a a a a a a a],[b b b b b b b b b]
]

问题是fit（）方法只接受二维数组，而不接受三维数组。所以我无法做到这一点，我不知道HMMGMM中的多元高斯混合应该如何用hmmlearn实现

但由于特征的性质是相同的，我将它们以不同的偏移量一个接一个地堆叠成一个连续的流，并训练一个变量（而不是多变量）的简单高斯混合：

2d概率密度函数中将有2个凸起，而不是单个3d“凸起”，这足以区分不同的输入时间序列