मान लीजिए कि मैं भविष्यवाणी करना चाहता हूं कि कोई व्यक्ति class1=healthy
या class2= fever
है या नहीं। मेरे पास निम्न डोमेन के साथ एक डेटा सेट है: {normal,cold,dizzy}
उच्च आदेश मार्कोव चेन बनाने के तरीके को समझने के लिए
संक्रमण मैट्रिक्स में हमारे प्रशिक्षण डेटासेट से उत्पन्न संक्रमण की संभावना होगी, जबकि प्रारंभिक वेक्टर में संभावना है कि कोई व्यक्ति एक राज्य एक्स के साथ (दिन 1) शुरू करता है डोमेन {normal,cold,dizzy}
, फिर भी यह हमारे प्रशिक्षण सेट से भी उत्पन्न होता है।
अगर मैं एक पहले के आदेश मार्कोव श्रृंखला का निर्माण करना चाहते हैं, मैं एक 3x3 संक्रमण मैट्रिक्स और इतने की तरह प्रति कक्षा एक 1x3 प्रारंभिक वेक्टर उत्पन्न होगा:
> TransitionMatrix
normal cold dizzy
normal NA NA NA
cold NA NA NA
dizzy NA NA NA
>Initial Vector
normal cold dizzy
[1,] NA NA NA
एनए इसी संभावनाओं से भर दिया जाएगा।
1- मेरा प्रश्न उच्च आदेश श्रृंखला में संक्रमण मैट्रिस के बारे में है।
normal->normal normal->cold normal->dizzy cold->normal cold->cold cold->dizzy dizzy->normal dizzy->cold dizzy->dizzy
normal->normal NA NA NA NA NA NA NA NA NA
normal->cold NA NA NA NA NA NA NA NA NA
normal->dizzy NA NA NA NA NA NA NA NA NA
cold->normal NA NA NA NA NA NA NA NA NA
cold->cold NA NA NA NA NA NA NA NA NA
cold->dizzy NA NA NA NA NA NA NA NA NA
dizzy->normal NA NA NA NA NA NA NA NA NA
dizzy->cold NA NA NA NA NA NA NA NA NA
dizzy->dizzy NA NA NA NA NA NA NA NA NA
यहाँ
सेल (1,1)
निम्न क्रम का प्रतिनिधित्व करता है: normal->normal->normal->normal
या यह बजाय तो बस domain²xdomain
जैसा होगा: दूसरा आदेश एम सी में उदाहरण के लिए हम इतनी तरह आकार domain²xdomain²
के संक्रमण मैट्रिक्स होता
normal cold dizzy
normal->normal NA NA NA
normal->cold NA NA NA
normal->dizzy NA NA NA
cold->normal NA NA NA
cold->cold NA NA NA
cold->dizzy NA NA NA
dizzy->normal NA NA NA
dizzy->cold NA NA NA
dizzy->dizzy NA NA NA
यहां सेल (1,1)
normal->normal->normal
जो पिछले प्रतिनिधित्व से अलग है का प्रतिनिधित्व करता है
2-क्या डिग्री के एक एम सी के लिए प्रारंभिक वेक्टर के बारे में 2. हम तो जैसे आकार 1xdomain
के दो प्रारंभिक वैक्टर की जरूरत है चाहेंगे:
normal cold dizzy
[1,] NA NA NA
प्रति कक्षा दो प्रारंभिक वैक्टर के लिए अग्रणी। healthy/fever
कक्षा के पहले दिन {normal,cold,dizzy}
की घटना की पहली संभावना होने पर दूसरी बार healthy/fever
के लिए दूसरे दिन होने की संभावना देता है। यह 4 प्रारंभिक वैक्टर देगा।
या हम सिर्फ इतना की तरह आकार 1xdomain²
में से एक प्रारंभिक वेक्टर की आवश्यकता होगी:
normal->normal normal->cold normal->dizzy cold->normal cold->cold cold->dizzy dizzy->normal dizzy->cold dizzy->dizzy
[1,] NA NA NA NA NA NA NA NA NA
मैं देख सकते हैं कि प्रारंभिक वेक्टर का प्रतिनिधित्व करने के मामले में समस्याग्रस्त होगा के दूसरे जिस तरह से हम केवल के साथ एक अवलोकन वर्गीकृत करने के लिए चाहते हैं एक राज्य
दूसरे के लिए मान लीजिए कि मेरे पास केवल एक राज्य के साथ 'सामान्य' का अवलोकन है। प्रारंभिक वितरण से मैं इसे कैसे प्राप्त करूं? क्या मुझे इन सभी 'सामान्य-> सामान्य सामान्य-> ठंडा सामान्य-> चक्कर आना (मुझे यकीन नहीं है कि मैंने यह प्रश्न पर्याप्त स्पष्ट किया है) – Imlerith
@Imlerith यदि आपका प्रश्न IIUC है, तो यह है कि से मामूली वितरण की गणना कैसे करें संयुक्त वितरण। यह [अच्छी तरह से जाना जाता है] (http://stats.stackexchange.com/questions/54472/given-a-table-defining-the-joint-probabilities-how-do-i-calculate-certain-param)। –
मैं वर्तमान में उच्च ऑर्डर मार्कोव चेन सीख रहा हूं, क्या आपके पास कोई अच्छा कूड़ेदान है? मुझे इसे खोजने में परेशानी है। मुझे ज्यादातर पावरपॉइंट ऑनलाइन मिलते हैं लेकिन बिना किसी संदर्भ के। आईएम ने इस बात पर ध्यान दिया कि कैसे संक्रमण मैट्रिक्स उच्च ऑर्डर मार्कोव श्रृंखला को अवशोषित करने के लिए होगा। मतलब यह है कि चेन में एक बार जाने के बाद एक या अधिक राज्य छोड़ना असंभव है। धन्यवाद :) – TKN