Python 当数据既连续又离散时，如何使用hmmlearn处理（半）隐马尔可夫模型？

我想在预测性维修数据上应用（半）隐马尔可夫模型。我的数据包括连续变量（电压、振动、自上次维修以来的天数等）和离散（和分类）变量（错误计数、机器类型、部件类型等）。我想做一个多类分类，它将预测是否存在故障，以及是否存在故障，哪个组件出现故障（四种类型的组件）。半隐马尔可夫模型应该工作得最好，因为它们考虑了状态持续时间的分布，但是，我在Python中找不到一个好的半隐马尔可夫模型包，它也允许多个观察序列。据我所知，hsmmlearn只能处理一个观察序列。有人知道我是否可以在这个软件包中使用多个观察序列，因为显然我有多个变量

此外，我不知道如何处理我拥有连续、离散和分类数据这一事实。Hmmlearn能够处理多个观测序列，但您只能指示一种类型的发射分布，例如高斯发射（连续）的高斯HMM或多项式发射（离散）的多项式HMM，但不能指示这些分布的组合

请让我知道如果你需要更多的信息，如果你能帮助我

提前感谢并保持安全