Python隐马尔可夫hmmlearn模块官方文档中文翻译 CSDN
学习记录,如有错误,万望指点
-
GaussianHMM
-
class hmmlearn.hmm.GaussianHMM
hmmlearn.hmm.GaussianHMM(n_components=1, covariance_type='diag', min_covar=0.001, startprob_prior=1.0, transmat_prior=1.0, means_prior=0, means_weight=0, covars_prior=0.01, covars_weight=1, algorithm='viterbi', random_state=None, n_iter=10, tol=0.01, verbose=False, params='stmc', init_params='stmc')
符合高斯分布的隐马尔可夫模型(Hidden Markov Model)
-
参数
参数 数据类型 意义 n_components int 状态数目 covariance_type string, optional 字符串描述所用协方差参数类型,必须是下述之一:
- spherical : 每个状态用一个用于所有特征的方差值
- diag : 每个状态用一个对角协方差矩阵
- full : 每个状态用一个全(即无限制)协方差矩阵
- tied : 所有状态用相同的全协方差矩阵
默认diagmin_covar float, optional 协方差矩阵对角线的基底,用来防止过拟合。默认1e-3 startprob_prior array, shape (n_components, ), o