Supposons que je souhaite prédire si une personne est de class1=healthy
ou de class2= fever
. La matrice de transition contiendrait la probabilité de transition générée à partir de notre ensemble de données d'entraînement alors que le vecteur initial contiendrait la probabilité qu'une personne commence (jour1) avec un état x de la base de données de formation. domaine {normal,cold,dizzy}
, encore une fois cela est également généré à partir de notre ensemble d'entraînement.comprendre comment construire une chaîne de markov d'ordre supérieur
Si je veux construire une première chaîne de Markov d'ordre, je générer une matrice de transition 3x3 et un vecteur initial 1x3 par classe comme ceci:
> 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
Le NA sera rempli avec les probabilités correspondantes.
1-Ma question concerne les matrices de transition dans la chaîne d'ordre supérieur. Par exemple, en second ordre MC aurions-nous une matrice de transition de la taille domain²xdomain²
comme ceci:
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
ici la cellule (1,1)
représente la séquence suivante: normal->normal->normal->normal
ou serait-il plutôt juste domain²xdomain
comme ceci:
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
ici la cellule (1,1)
représente normal->normal->normal
qui est différent de la représentation précédente
2 Qu'en est le vecteur initial pour un MC de degré 2. Est-ce que nous avons besoin de deux vecteurs initiaux de taille 1xdomain
comme ceci:
normal cold dizzy
[1,] NA NA NA
conduisant à deux vecteurs initiaux par classe. le premier donnant la probabilité d'occurrence de {normal,cold,dizzy}
le premier jour pour la classe healthy/fever
tandis que le second donne la probabilité d'occurrence le deuxième jour pour le healthy/fever
. ceci donnerait 4 vecteurs initiaux.
ou si nous avons juste besoin d'un vecteur initial de la taille 1xdomain²
comme ceci:
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
Je peux voir comment la deuxième façon de représenter le vecteur initial serait problématique si nous voulons classer une observation avec seulement un état.
Pour la seconde supposer que j'ai une observation avec un seul état dit «normal». Comment pourrais-je récupérer cela de la distribution initiale? Dois-je somme sur tous ces 'normal-> normal- normale> normal- froid> dizzy' (Je ne sais pas si je faisais cette question assez claire) – Imlerith
@Imlerith Si IIUC votre question, il est de savoir comment calculer la distribution marginale de la distribution conjointe. C'est [bien connu] (http://stats.stackexchange.com/questions/54472/given-a-table-defining-the-joint-probabilities-how-do-i-calculate-certain-param). –
J'apprends actuellement des chaînes de markov d'ordre supérieur, avez-vous une bonne littérature à recommander? J'ai du mal à le trouver. Je trouve surtout des powerpoints en ligne mais sans aucune référence. Je suis intrested sur la façon dont la matrice de transition sera pour une chaîne de Markov d'ordre supérieur absorbant. Ce qui signifie qu'un ou plusieurs états sont impossibles à quitter une fois que la chaîne est dedans. Merci :) – TKN