Python hmmlearn中的混淆矩阵是怎么表示的
hmmlearn这个库有三种模型，分别是Gaussian，Multinomial和GMMHMM。这三种模型对应的就是三种emissionmatrix（即混淆矩阵，也就是隐状态到观察态的概率）。Gaussian就是说混淆矩阵是一个高斯分布，即观察态是连续的。Multinomiual就是说混淆矩阵事一个Multibimiualdistribution，即观察态势离散的。GMMHMM则是说混淆矩阵是遵循gaussinanmixture分布，也是连续的。题主问如何把混淆矩阵输入到模型里面。首先你要确定你的混淆矩阵的类型。对于Gaussian类型，就是把你希望的mean和variance值放到模型里面。我就直接把文档里面的例子搬过来，例子里是建立了一个高斯分布的隐马尔科夫模型。》》》importnumpyasnp》》》fromhmmlearnimporthmm#一个隐马尔科夫模型由（p向量，状态转移矩阵，混淆矩阵）来定义。》》》startprob=np.array([0.6,0.3,0.1])#定义初始状态的概率》》》transmat=np.array([[0.7,0.2,0.1],[0.3,0.5,0.2],[0.3,0.3,0.4]])#定义转移矩阵的概率》》》means=np.array([[0.0,0.0],[3.0,-3.0],[5.0,10.0]])#定义混淆矩阵的均值》》》covars=np.tile(np.identity(2),(3,1,1))#定义混淆矩阵的方差》》》model=hmm.GaussianHMM(3,“full“,startprob,transmat)#定义一个混淆矩阵为高斯分布的隐马尔科夫模型。这里‘full’的意思就是说你输入的方差矩阵每个元素都给出了，不是一个只是对角线上的元素为0的矩阵》》》model.means_=means》》》model.covars_=covars#把你希望的均值方差输入你定义的模型里面，到此你就把混淆矩阵输入进模型了》》》X,Z=model.sample(100)对于Multinomial和GMM，我还没用，不过Multinomial应该是需要你自己手动输入隐状态到观察态的概率的，而GMM应该是和Gaussian类型类似，只是需要多输入一个权重因子。对于第二个问题，covariance_type意思是你的混淆矩阵的covariancematrix是什么类型，比如若只是对角线上的元素不为0，则把covariance_type设为‘diag’。
gitcafe和github 关系
git diff 对比文件的差异 git branch 列出所有分支git log 显示提交记录分支git brach 分支名 创建分支git checkout 分支名 切换分支提交git add 跟踪新文件或者已有文件的改动，或者用来解决冲突git commit 把文件从stage提交到branch删除git rm 文件名 不但从stage中删除，同时删除物理文件
java环境变量中%%和path的作用是什么
作用如下:%%可以调用windows系统的其它环境变量，使你定义的一旦变量更直观，使用 %变量名%来调用。
比如你定义了一个环境变量JAVA_HOME=C:\java\bin作为java的执行目录。
那么你在其它环境变量里面要用到%JAVA_HOME%来代替C:\java\bin。
path的作用就是你在path里面定义了一个目录，，你在命令行里面不用输出完整的目录名，直接输入可执行程序和文件名就可以执行了，你输入命令的时候，系统会在path定义的目录下面去寻找你输入的命令。
java的优点：
java是纯面向对象编程的语言；
平台无关性 （一次编译，到处运行；Write Once，Run Anywhere）；
java提供了许多内置的类库，通过这些类库，简化了开发人员的设计工作，同时缩短了项目开发时间；
提供了对Web应用开发的支持，例如，Applet，Servlet，和JSP可以用来开发Web应用程序。
