Scikit Learn Gaussian HMM: ValueError: startprob must sum to 1.0

Posted 2023-03-12

【中文标题】Scikit Learn Gaussian HMM: ValueError: startprob must sum to 1.0

【英文标题】：

【发布时间】：2013-09-18 18:02:44

【问题描述】：

我目前正在使用 Scikit Learn，并且在尝试训练高斯 HMM 时遇到了以下问题：

文件“/Library/Python/2.7/site-packages/sklearn/hmm.py”，第 443 行，适合

self._do_mstep(stats, self.params)

文件“/Library/Python/2.7/site-packages/sklearn/hmm.py”，第 798 行，在 _do_mstep

super(GaussianHMM, self)._do_mstep(stats, params)

文件“/Library/Python/2.7/site-packages/sklearn/hmm.py”，第 580 行，在 _do_mstep 中

np.maximum(self.startprob_prior - 1.0 + stats['start'], 1e-20))

文件“/Library/Python/2.7/site-packages/sklearn/hmm.py”，第 476 行，在 _set_startprob 中

raise ValueError('startprob must sum to 1.0')

ValueError: startprob 总和必须为 1.0

如果我消除一些特征（每次观察少于 13 个特征），它仍然有效。我检查了所有输入是否有效，并且每个训练示例仅包含 numpy.float64 的二维数组。关于出了什么问题的任何想法？ 谢谢！

【问题讨论】：

你在高斯初始化中使用了哪些参数？

【参考方案1】：

我遇到了同样的问题。我可以通过调整模型隐藏状态的数量来解决它。看来，根据可用数据和状态数，模型无法正确拟合

【参考方案2】：

模型只是无法拟合数据。你可以通过一些代码来继续尝试。您可能需要添加一点以使其在多次尝试后停止。如果这仍然不起作用，请更改隐藏状态的数量。

while True:
  try:
    model.fit([data])
    break

【参考方案3】：

我在使用 GaussianHMM 时遇到了同样的问题。我发现问题出在我给分类器提供整数值而它需要浮点值的事实。当我意识到 MultinomialHMM 只接受连续值时，我尝试使用浮点数，并且它有效！

【参考方案4】：

我通过将 params 属性设置为训练集中所有唯一值的集合来解决此问题。

param=set(train.ravel())
model=hmm.GaussianHMM(n_components=6, covariance_type="full", n_iter=100,params=param)

train 是我用来拟合模型的 numpy 数组列表。

初始参数设置为所有ascii字符的字符串。

【参考方案5】：

hmmlearn 包似乎存在一些问题。以下对我有用

卸载pip版本的hmmlearn：pip uninstall hmmlearn 从here获取hmmlearn的源码。 从here 和here 中删除-1.0 使用python setup.py install安装

这应该可行。 hmmlearn 提出了一个问题，但没有得到必要的关注。 link

学分 - https://github.com/wblgers/hmm_speech_recognition_demo