隠れマルコフモデルを実装するPythonライブラリ

隠れマルコフモデルの実装に使用できる安定した Pythonライブラリは何ですか？私は以前にこのモデルを実際に使用したことがないため、合理的に十分に文書化する必要があります。

あるいは、HMMを使用してデータセットで時系列分析を実行するためのより直接的なアプローチはありますか？

別の代替アプローチとして、PyMCライブラリを見ることができます。Fonnesbeckが作成したhttps://gist.github.com/fonnesbeck/342989の要点があり、HMMの作成手順を説明しています。

そして、PyMCに本当に熱心になったら、Bayesian Modelingに関する素晴らしいオープンソースの本-https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackersがあります。Hidden Markov Processesを明示的に説明するものではありませんが、多くの例を含むライブラリ自体に関する非常に優れたチュートリアルを提供します。

この質問の最新情報として、受け入れられた答えは2017年の時点で最良ではないと思います。

Kyleのコメントで示唆されているように、hmmlearn現在はPythonのHMMに対応するライブラリです。

これにはいくつかの理由があります。

• 最新のドキュメントを非常に詳細とチュートリアルが含まれています、

• _BaseHMMカスタムサブクラスは、HMMのバリアントを実装するために継承することができ、そこからクラス

• Python 3.5+の最新バージョンとの互換性

• 直感的な使用

これとは反対に、 ghmm 、現在のドキュメントによると、ライブラリはPython 3.xをサポートしていません。ほとんどのドキュメントページは2006年に生成されました。一見したところ、選択したライブラリはないようです...

編集： 2018年も引き続き有効です。

pomegranateライブラリはHMMをサポートしており、ドキュメントは非常に役立ちます。Pythonで多くのhmmライブラリを試した後、これは非常に良いことがわかりました。

おそらく理解を促進するための代替アプローチとして、おそらくRを介した分析を行う際に何らかの有用性を見つけるでしょう。ブートストラップを提供するべき[wannabe] quantsの簡単な時系列ベースのチュートリアルがたくさんあります。パート1、パート2、パート3、パート4。これらは、データ生成/取り込みおよび操作のソースを提供するため、作業の多くをバイパスして、実際のHMMメソッドを確認できます。Python実装に直接類似したものがあります。

サイドノートとして、より理論的な紹介として、おそらくラビナーはいくつかの洞察を提供するかもしれません

ghmmのライブラリには、あなたが探している1かもしれません。

彼らのウェブサイトで言われているように：

これは、離散エミッションと連続エミッションを持つ基本および拡張HMMの効率的なデータ構造とアルゴリズムの実装に使用されます。Pythonラッパーが付属し、はるかに優れたインターフェイスと追加機能が提供されます。

また、素晴らしいドキュメントと、足を濡らすための段階的なチュートリアルもあります。