0
我使用隐马尔可夫模型进行分类,jahmm实现。为什么我们在训练隐马尔可夫模型时迭代
当训练模型时,我使用kMeans聚类作为初始模型。然后我使用任意迭代来优化模型。我怀疑是在这些迭代中发生的。
我的直觉告诉我,sequenes是基于初始模型生成的,而初始模型又用于再次训练模型,依此类推。
这是真的还是有其他的事情发生?
谢谢!
我使用隐马尔可夫模型进行分类,jahmm实现。为什么我们在训练隐马尔可夫模型时迭代
当训练模型时,我使用kMeans聚类作为初始模型。然后我使用任意迭代来优化模型。我怀疑是在这些迭代中发生的。
我的直觉告诉我,sequenes是基于初始模型生成的,而初始模型又用于再次训练模型,依此类推。
这是真的还是有其他的事情发生?
谢谢!
BaumWelchLearner.java:
public <O extends Observation> Hmm<O>
learn(Hmm<O> initialHmm, List<? extends List<? extends O>> sequences)
{
Hmm<O> hmm = initialHmm;
for (int i = 0; i < nbIterations; i++)
hmm = iterate(hmm, sequences);
return hmm;
}
实际上它是在每个迭代反复使用所提供的观测序列一次。需要迭代,因为模型有时只会缓慢地收敛到本地最大值。编写一个这样的程序,在每次迭代后查看模型:
BaumWelchLearner bwl = new BaumWelchLearner();
for (int i=0; i<=bwl.getNbIterations(); i++) {
Hmm iteration = bwl.iterate(yourHmm, learningSequences);
System.out.println("\nIteration " + i + ":\n" + iteration.toString());
yourHmm = iteration;
}