Fit Hidden Markov Model

Hidden-Markov-Modelle mit dem Baum-Welch-(EM-)Algorithmus mit Modellauswahl, Viterbi-Dekodierung fuer Zustandssequenzen und Forward-Backward- Wahrscheinlichkeiten anpassen. Verwenden wenn Beobachtungen von nicht beobachtbaren latenten Zustaenden erzeugt werden, eine Zeitreihe in latente Regime segmentiert werden muss (Marktregime, Sprach-Phoneme, biologische Sequenzen), Sequenzwahrscheinlichkeiten berechnet, der wahrscheinlichste verborgene Zustandspfad dekodiert oder Modelle mit verschiedenen Anzahlen verborgener Zustaende verglichen werden sollen.

pjt222 Updated 44 repo stars

File contents

pjt222/agent-almanac commit 8ad6162caa

Frequently asked questions

npx get-skill add pjt222/fit-hidden-markov-model-11