运行MultinomialHMM示例遇ValueError：样本计数需等于试验次数求助

错误原因分析 #

你遇到的错误源于两个核心问题：

1. 不必要的fit方法调用：原示例已手动配置所有模型参数（初始概率、转移概率、发射概率），无需再调用fit训练。调用fit会强制用输入数据重新训练，覆盖手动设置的参数，同时触发数据格式校验。
2. 输入数据格式不匹配：MultinomialHMM的fit方法要求输入的观测数据是类别计数矩阵（每行对应一个时间步，列对应观测类别，每行数值总和等于该时间步的试验次数，通常为1）。而你传入的是单个观测的索引值（比如0代表walk），每行总和为0，不符合校验规则，因此抛出错误。

修复方案 #

方案1：移除不必要的fit调用（贴合原示例意图） #

原代码的目的是用预定义模型做解码预测，直接去掉model.fit(bob_says)即可正常运行：

import numpy as np
from hmmlearn import hmm

states = ["Rainy", "Sunny"]
n_states = len(states)

observations = ["walk", "shop", "clean"]
n_observations = len(observations)

model = hmm.MultinomialHMM(n_components=n_states, init_params="")
model.startprob_ = np.array([0.6, 0.4])
model.transprob_ = np.array([
  [0.7, 0.3],
  [0.4, 0.6]
])
model.emissionprob_ = np.array([
  [0.1, 0.4, 0.5],
  [0.6, 0.3, 0.1]
])

# 观测序列：每个元素是观测类别的索引
bob_says = np.array([[0, 2, 1, 1, 2, 0]]).T

# 直接用预定义模型解码，无需fit
logprob, alice_hears = model.decode(bob_says, algorithm="viterbi")
print("Bob says:", ", ".join(map(lambda x: observations[x[0]], bob_says)))
print("Alice hears:", ", ".join(map(lambda x: states[x], alice_hears)))

方案2：若需训练模型，转换数据格式 #

如果实际需求是用观测数据训练模型参数，需将索引格式的观测数据转换为类别计数矩阵（每行是one-hot编码，对应单个观测的计数）：

import numpy as np
from hmmlearn import hmm

states = ["Rainy", "Sunny"]
n_states = len(states)

observations = ["walk", "shop", "clean"]
n_observations = len(observations)

# 初始化模型，按需设置init_params（比如不初始化发射概率，手动指定）
model = hmm.MultinomialHMM(n_components=n_states, init_params="st")
model.emissionprob_ = np.array([
  [0.1, 0.4, 0.5],
  [0.6, 0.3, 0.1]
])

# 将索引格式的观测转换为计数矩阵
bob_says = np.array([[0, 2, 1, 1, 2, 0]]).T
bob_says_counts = np.zeros((len(bob_says), n_observations))
for i, obs_idx in enumerate(bob_says.flatten()):
    bob_says_counts[i, obs_idx] = 1

# 用计数矩阵训练模型
model.fit(bob_says_counts)

# 解码预测
logprob, alice_hears = model.decode(bob_says_counts, algorithm="viterbi")
print("Bob says:", ", ".join(map(lambda x: observations[x], np.argmax(bob_says_counts, axis=1))))
print("Alice hears:", ", ".join(map(lambda x: states[x], alice_hears)))

关键说明 #

• MultinomialHMM的decode方法支持直接输入索引格式的观测序列，但fit方法必须输入计数矩阵，这是两者的格式差异。
• 原示例的设计逻辑是使用预定义参数做预测，因此方案1是最直接的修复方式，也是符合原代码意图的正确做法。

内容的提问来源于stack exchange，提问作者maximus