Entiendo cómo se usa un modelo oculto de Markov en secuencias genómicas, como la búsqueda de un gen. Pero no entiendo cómo llegar a un modelo particular de Markov. Quiero decir, ¿cuántos estados debe tener el modelo? ¿Cuántas transiciones posibles? ¿Debería el modelo tener un bucle?
¿Cómo sabrían que su modelo es óptimo?
¿Se imaginan, digamos 10 modelos diferentes, comparan esos 10 modelos y publican el mejor?
Respuestas:
Estoy familiarizado con tres enfoques principales:
A priori. Es posible que sepa que hay cuatro pares de bases para elegir y, por lo tanto, permita que el HMM tenga cuatro estados. O puede saber que el inglés tiene 44 fonemas, y también 44 estados para la capa de fonemas ocultos en un modelo de reconocimiento de voz.
Estimacion. El número de estados a menudo se puede estimar de antemano, quizás mediante la simple agrupación de las características observadas del HMM. Si la matriz de transición HMM es triangular (que suele ser el caso en la predicción de falla), el número de estados determina la forma de la distribución del tiempo total desde el estado inicial hasta el final.
Mejoramiento. Como sugiere, se crean y ajustan muchos modelos y se selecciona el mejor modelo. También se podría adaptar la metodología que aprende el HMM para permitir que el modelo agregue o descarte estados según sea necesario.
Un enfoque adicional es tomar muestras de modelos con un número infinito de estados. La respuesta a "cuántos" surgiría promediando sobre los muestreadores.