hmmlearn MultinomialHMM emissionprob_维度不符预期的技术咨询

为什么emissionprob_维度是(2,10)？ #

你犯了两个关键错误：

• 输入格式误解：hmmlearn的fit方法对输入格式有明确要求：如果是多个独立序列，需要传入一维数组组成的列表；而你传入的(100000,10)二维数组，会被识别成单个长度为100000的序列，每个观测是10维的离散向量。这直接导致发射概率的列数等于观测维度10，而非你预期的词汇量5。
• 观测值未从0开始：MultinomialHMM要求离散观测值必须从0开始连续取值，你的观测是1-5，即使格式正确，模型也会将最大观测值5当作特征数量的依据（即认为有6个特征），而非你设定的5个。

修正后的代码 #

from hmmlearn import hmm
import numpy as np

# 生成序列：观测值改为0-4（对应5种符号），保留列表格式
sequences = np.random.randint(0, 5, size=(100000, 10)).tolist()

# 创建并拟合模型：直接传入序列列表，无需转二维数组
model = hmm.MultinomialHMM(n_components=2)
model.fit(sequences)

# 打印参数
print("初始状态分布:")
print(model.startprob_)
print("\n转移矩阵:")
print(model.transmat_)
print("\n发射概率:")
print(model.emissionprob_)
print("发射概率维度:", model.emissionprob_.shape)  # 输出应为(2,5)

关键修正点 #

• 观测值调整为0-4，对应5种符号，符合词汇量要求；
• 保留序列列表格式传入fit，让模型识别为100000个长度为10的独立序列，每个观测是1维离散值。

这样修正后，emissionprob_的维度就会是(2,5)，与你的预期一致。

内容的提问来源于stack exchange，提问作者zzzbbx