В настоящее время я использую HMM для прогнозирования солнечной радиации.
Традиционная модель HMM может учитывать только данные одной последовательности наблюдений.
Однако, когда я использую выборку Гиббса для оценки скрытых состояний, уменьшается 4, и ошибка становится высокой.
Теперь я думаю, как ввести в модель более одного фрагмента данных, например использовать данные о температуре и потреблении в качестве наблюдений.
Поэтому я ищу динамический наивный байесовский классификатор. Однако я не знаю, что такое динамический наивный байесовский классификатор и как его реализовать.
Может ли кто-нибудь дать мне несколько ответов или дать мне несколько руководств.
Заранее спасибо :)