Verwenden Hidden Markov Modelle (HMM) für die Vorhersage Einige der weit verbreiteten ( und geschrieben ) Anwendungen der HMM sind für das Lernen und Inferenz ( Mustererkennung ) . Dies wird durch das Erlernen der HMM-Parameter ( Anfangszustand Distribution, Sate Übergangsmatrix , Emission Matrix) aus den historischen Daten und Durchführen von Berechnungen , wie die Bestimmung des aktuellen Status von der aktuellen Emissionen Vektor getan . Aber wie wollen Sie ein HMM für die Vorhersage verwendet werden. 1. Ermitteln Sie die wahrscheinlichste Aktueller Zustand durch die Anwendung der gelernt HMM auf die Daten auf den aktuellen Moment der Zeit . 2. Verwenden Sie das Zustandsübergangsmatrix , um die wahrscheinlichste Übergang vom aktuellen Zustand in den nächsten zukünftigen Zustand zu bestimmen. 3. Verwenden Sie die Emissions - Matrix , um die Emissionen Vector bestimmen ( in der Tat die Zukunft / vorhergesagten Datenpunkte ) für die nächste Zukunft Staat
No comments:
Post a Comment