Pertama, izinkan saya mengakui di muka bahwa saya tidak terlalu mahir dalam statistik dan matematika seperti yang saya inginkan. Beberapa orang mungkin mengatakan memiliki pengetahuan yang cukup untuk menjadi berbahaya. : DI saya minta maaf jika saya tidak menggunakan terminologi dengan benar.
Saya mencoba memodelkan probabilitas transisi sistem dari satu kondisi ke kondisi lainnya. Model Markov sederhana adalah awal yang baik. (Set negara, set probabilitas keadaan awal, set probabilitas transisi antar negara.)
Namun, sistem saya pemodelan lebih kompleks dari itu. Probabilitas transisi yang mengarah ke keadaan pada waktu T paling pasti tergantung pada variabel selain keadaan di T-1. Misalnya, S1 -> S2 mungkin memiliki probabilitas transisi 40% saat matahari bersinar, tetapi S1 -> S2 probabilitasnya menjadi 80% saat hujan.
Info tambahan dari pertanyaan komentator:
- Negara bagian dapat diamati.
- Hanya akan ada 5-10 negara.
- Saat ini ada sekitar 30 kovariat yang ingin kami selidiki, meskipun model terakhir pasti memiliki lebih sedikit dari ini.
- Beberapa kovariat bersifat kontinu, yang lain terpisah.
Tiga pertanyaan:
- Bagaimana saya bisa memasukkan probabilitas transisi bersyarat ke dalam model Markov saya?
- Atau, apakah ada perspektif lain yang sepenuhnya dari mana saya harus mendekati masalah ini?
- Juga, kata kunci / konsep apa yang harus saya cari online untuk mempelajari lebih lanjut tentang ini?
Saya sudah menjelajahi web mencari hal-hal seperti "model markov dengan probabilitas transisi bersyarat," tetapi sejauh ini tidak ada yang menampar wajah saya dan berkata, "Ini jawaban Anda, bodoh!"
Terima kasih atas bantuan dan kesabaran Anda.
sumber
Jawaban:
Anda selalu dapat memiliki urutan 2 atau rantai markov urutan yang lebih tinggi. Dalam hal itu semua model Anda siap termasuk semua informasi transisi probabilistik di dalamnya. Anda dapat memeriksa Dynamic Bayesian Networks yang merupakan generalisasi model grafis dari Markov Chains yang sering digunakan dalam pembelajaran mesin.
sumber
Saya percaya apa yang Anda cari adalah Maxent Markov Models .
Atau Anda dapat menggunakan generalisasi (jika saya mengerti benar) dari model Maxent Markov, yang disebut Conditional Random Fields .
sumber
Saya bertanya pada diri sendiri pertanyaan yang sama dan jika Anda benar-benar hanya perlu memodelkan hasil berdasarkan keadaan di dan kovariat, Anda mungkin menemukan paket msm di R membantu.T1
Paket ini tampaknya sangat cocok untuk memodelkan efek kovariat pada transisi antara hasil kategoris dari waktu ke waktu. Ini tidak akan membantu jika Anda benar-benar membutuhkan rantai pesanan yang lebih tinggi, tetapi sepertinya bukan itu yang terjadi berdasarkan pertanyaan awal Anda.
sumber