Mam sekwencję 500 obserwacji ruchów ptaka. Chcę przewidzieć, jaki będzie ruch 501 ptaka. Przeszukałem sieć i myślę, że można to zrobić za pomocą HMM, jednak nie mam żadnego doświadczenia w tym temacie. Czy ktoś może wyjaśnić kroki algorytmu zastosowanego do rozwiązania tego problemu?Ukryty model Markowa przewidywanie następnej obserwacji
Odpowiedz
x1-x2-x3-x4-x5......x500-x501
| | | | | |
y1 y2 y3 y4 y5 y500
x - actual state
y - observations
P(y_i|x_i) - how you think the observation depends on the actual state
P(x_i|x_(i-1)) - how you think the actual state evolves
for i = 1,2,3...,501:
write down best-guess of x_i based on y_i* and x_(i-1)**
you have your solution, since you only care about the last state
* missing in step 1
** missing in step 501
Powyższy znany jest jako przód-tył algorytmu (http://en.wikipedia.org/wiki/Forward-backward_algorithm) i jest szczególnym przypadkiem algorytmu sumy produktów (na Bayesa drzew sieciowych i Markowa sieci drzew) na tym konkretnym rodzaju drzewa (prosty łańcuch z wiszącymi węzłami). Możesz zignorować krok "do tyłu", ponieważ go nie potrzebujesz, ponieważ zależy ci tylko na ostatnim stanie.
Jeśli prawdopodobieństwo przejścia w swojej HMM nie są znane, należy albo:
- wykonać algorytm uczenia się, takich jak EM (znany jako Bauma-Welcha gdy wykonywane na HMMs)
- wziąć naiwne przypuszczenie w oparciu o wiedzę o danej dziedzinie (np. jeśli twoje ukryte stany to DNA, możesz zliczać częstotliwości zdarzeń przejściowych z poprzednim stanem poprzez ręczne oznaczanie przejść na danych DNA i obliczanie częstotliwości)
Przepraszam, nie mogłem zrozumieć twojej odpowiedzi. Mam tylko sekwencję 500 liczb od 0 do 8. (jak 5, 4, 6, 6, ..., 0, 2) i chcę uzyskać jak najwięcej 501. numeru. – user975733
najpierw pomyśl o tych pytaniach: ** 1) ** '" Jaki jest zakres moich stanów rzeczywistych/ukrytych? (Może nie być 0-8, może to być na przykład 0-100 lub nawet nieliczbowy { "high", "low"}) "** ** 2) **" Jeśli obserwuję 5, co to znaczy o tym, co jest stanem rzeczywistym/ukrytym? "** ** 3) **" Jeśli prawdziwy stan w czasie = t jest [czymś], co myślę, że stanem w czasie = t + 1 będzie? (Na przykład, jeśli x500 = "wysoki", jak prawdopodobne jest, że ptak przełączy się na latanie "nisko" ?) " – ninjagecko
- 1. ukryty model progowy Markowa
- 2. Ukryty model Markowa dla kości trójstronnej
- 3. ukryty model nawigacji rails_admin nie działa
- 4. Przewidywanie następnego słowa stosując model językowy tensorflow przykład
- 5. Przewidywanie kolizji kołem
- 6. Klaster Markowa
- 7. Równoległe przewidywanie
- 8. Przewidywanie - sieć neuronowa dla regresji
- 9. Markowa klastrowania Algorytm
- 10. Przewidywanie liczby cyfr mnożenia
- 11. Przewidywanie sekwencji postaci?
- 12. Algorytm grupowania Markowa w Javie
- 13. Ukryte modele Markowa z C++
- 14. Przewidywanie karty kredytowej w JavaScript
- 15. Nie można wyłączyć przewidywanie tekstu
- 16. Jak zrobić ślubowanie wabbit używać więcej obserwacji
- 17. yii2 ukryty wartość wejściowa
- 18. less przewidywanie z nowymi wartościami x
- 19. Jakie są sposoby decydowania o prawdopodobieństwach w ukrytych modelach Markowa?
- 20. Przewidywanie tematów LDA dla nowych danych
- 21. Jak tworzyć akapity z wyjścia łańcucha Markowa?
- 22. Prosty łańcuch Markowa w R (wizualizacja)
- 23. Kiedy używać następnej() i powrotu następnej() w pliku Node.js
- 24. Przewidywanie rozmiaru bajtu bajtów zakodowanych w base64 []
- 25. Przewidywanie brakujących wartości danych w bazie danych
- 26. jQuery.validate nie działa, jeśli kontener jest ukryty
- 27. Jak utworzyć kolumnę, która wskazuje opóźnienie obserwacji z innej obserwacji w R?
- 28. Jak wytrenować ukryty model SVM do wykrywania obiektów? Awaria przy użyciu Matlab 2012b, Windows 64bit OS
- 29. Grafy ggplot proporcji obserwacji w kategoriach
- 30. Minimalna liczba obserwacji podczas wykonywania Losowego lasu
Twierdzę, że niektóre już mają. .. na długości ... http://en.wiki pedia.org/wiki/Hidden_Markov_model – Gleno