HMMLearn：太多的值无法解包

Question

在给定开始概率、转移概率和发射概率的情况下，我正在尝试使用 hmmlearn 从隐马尔可夫模型中获取最可能的隐藏状态序列。

我有两个隐藏状态和四个可能的发射值，所以我这样做：

num_states = 2
num_observations = 4
start_probs = np.array([0.2, 0.8])
trans_probs = np.array([[0.75, 0.25], [0.1, 0.9]])
emission_probs = np.array([[0.3, 0.2, 0.2, 0.3], [0.3, 0.3, 0.3, 0.1]])

model = hmm.MultinomialHMM(n_components=num_states)
model.startprob_ = start_probs
model.transmat_ = trans_probs
model.emissionprob_ = emission_probs

seq = np.array([[3, 3, 2, 2]]).T

model.fit(seq)
log_prob, state_seq = model.decode(seq)

我的堆栈跟踪指向 decode 调用并抛出此错误：

ValueError: too many values to unpack (expected 2)

我以为decode（查看文档）返回对数概率和状态序列，所以我很困惑。

有什么想法吗？

谢谢！

Answer 1

调用model.fit(seq) 要求seq 是列表列表，因为您正确设置它是这样的。 但是，model.decode(seq) 要求 seq 只是一个列表，而不是列表的列表。因此，

model.fit([[3, 3, 2, 2]])
log_prob, state_seq = model.decode([3, 3, 2, 2])

应该可以正常工作而不会引发错误。 另见here。

错误ValueError: too many values to unpack (expected 2) 是从由函数调用的函数调用的函数引发的...在decode 内。所以，这个错误并不意味着decode的返回对象数量有误，而是来自framelogprob.shape在base.py内部的某个地方。更有意义的错误消息会让这里的生活更轻松。 我有同样的问题，它让我发疯。希望我的帖子对某人有所帮助。