Python 如何在多列上实现隐马尔可夫模型？

我无法实现HMM模型。我从一个pandas数据框开始，我想用两列来预测隐藏状态。我正在使用hmmlearn软件包

我按照hmmlearn“使用多个序列”的说明操作

我遵循下面的代码，但将X1和X2设置为我的列

X1 = [[0.5], [1.0], [-1.0], [0.42], [0.24]]
X2 = [[2.4], [4.2], [0.5], [-0.24], [0.24]]
X = np.concatenate([X1, X2])
lengths = [len(X1), len(X2)]
hmm.GaussianHMM(n_components=3).fit(X, lengths)
predictions=model.predict(X)

---

问题是，当我尝试预测状态而不是组合序列来创建一个预测时，我得到的是每个观测值的预测值。因此，在本例中，我想要5个观测值，但得到10个。有没有方法将数据帧的特征合并为独立变量以获得一个组合预测值？

Current你给模型两个样本序列，每个序列有5个观测值，只有一个特征——总共10个观测值。你想要的是一个序列，有5个观测值，有两个特征

大概是这样的：

X = [[0.5, 2.4], [1.0, 4.2], [-1.0, 0.5], [0.42, -0.24], [0.24, 0.25]]
lengths = [len(X)]
hmm.GaussianHMM(n_components=3).fit(X, lengths)
predictions=model.predict(X)

那么你只有五个预测

如果要使用

X1

和

X2

构建

X

变量（如示例中所示），可以使用

zip

：

X = [[x1[0], x2[0]] for x1, x2 in zip(X1, X2)]

---

谢谢！这是有道理的。我尝试了代码，但仍然得到一个形状错误。

X=[[5,4]，[1,2]，[1,5]，[42,24]，[24,25]

lengs=[len（X）]

长度=[len X]hmm.gausianhmm（n\u分量=3）。拟合（X，长度）

预测=模型。预测（X）

值错误：无法从形状（10）广播输入数组进入形状（5）

你知道为什么会发生这种情况吗？