Использование hmmlearn для создания линейной скрытой модели Маркова ⇐ Python

[Anonymous]

Я хочу использовать архитектуру скрытой марковской модели, в которой каждое состояние может оставаться только в себе или переходить в следующее состояние. Все остальные варианты имеют нулевую вероятность.
Я хочу подогнать данные под эту модель так, чтобы полученная модель также отвечала ограничениям.
Я использую библиотеку hmmlearn с Python, и мне нужно работать с моделью гауссовой смеси с 10 состояниями. Как это можно реализовать? Я не вижу никакой информации в документации и не могу найти никакой гарантии, что подгонка сохранит какое-либо начальное состояние.


Подробнее здесь: https://stackoverflow.com/questions/790 ... rkov-model