pomegranate图模型和概率模型工具包

pomegranate 是基于 Python 的图模型和概率模型工具包，它使用 Cython 实现以加快反应速度。它源于 YAHMM，可实现快速、高效和极度灵活的概率模型，如概率分布、贝叶斯网络、混合隐马尔可夫模型等。概率建模最基础的级别是简单的概率分布。以语言建模为例，概率分布就是是一个人所说的每个单词出现频率的分布。

1. 概率分布

第二个级别是以更复杂的方式使用简单分布的概率模型。马尔可夫链可以扩展简单的概率分布，仍旧以语言建模为例，即某个单词的概率依赖于先前所说单词。隐马尔可夫模型中某个单词的概率依赖于前一个词的潜在／隐藏状态，如名词通常在形容词后面。

• 马尔可夫链

• 贝叶斯分类器和朴素贝叶斯

• 一般混合物模型

• 隐马尔可夫模型

• 贝叶斯网络

• 因子图

第三个级别是概率模型的堆叠，可以建模更复杂的现象。如果单个隐马尔可夫模型可以捕捉口音（如某个人的说话习惯），那么混合隐马尔可夫模型可以将其调整以适应特定情况。比如，一个人可能在工作时使用更为正式的语言，在与朋友交流时使用稍微随意的语言。通过将其建模为混合隐马尔可夫模型，我们将这个人的语言表示为各种口音的「混合」。

• 1. GMM-HMMs

• 2. 混合模型

• 3. 模型的贝叶斯分类器

2. 安装

pomegranate 依赖项要求：

- Cython (only if building from source) - NumPy - SciPy - NetworkX - joblib

运行测试前，还要安装 nose。

pip 安装：

pip install pomegranate

conda 安装：

conda install pomegranate

无需 C++编译器，快速安装 Windows 版本的 Wheels 已构建完毕。

3. 验证安装

设置已完成，现在需要检查 pomegranate 是否可以使用：

\$ python -c 'from pomegranate import *; print(NormalDistribution(0, 1).probability(0))' 0.398942280402