hmm.GaussianHMM

`hmm.GaussianHMM` 是 hmmlearn 库中的一个类，用于构建高斯隐马尔可夫模型（Gaussian Hidden Markov Model）。该模型假设观测值是由多个高斯分布生成的，隐藏状态之间的转移和观测值之间的关系都是基于高斯分布进行建模。

下面是一个使用 `hmm.GaussianHMM` 的简单示例：

from hmmlearn import hmm
import numpy as np

# 定义HMM模型
model = hmm.GaussianHMM(n_components=2)  # 假设有2个隐藏状态

# 定义观测序列
X = np.array([[1.5], [2.0], [1.8], [2.5], [2.2]])  # 观测序列

# 训练HMM模型
model.fit(X)

# 预测隐藏状态序列
hidden_states = model.predict(X)

# 打印预测结果
print(hidden_states)

在上面的示例中，我们首先导入了hmmlearn库，并创建了一个GaussianHMM对象，假设模型有2个隐藏状态。然后，我们定义了一个观测序列X，它包含了5个观测值。接下来，我们使用fit()方法对HMM模型进行训练，并使用predict()方法预测隐藏状态序列。最后，我们打印输出了预测结果。

需要注意的是，观测序列X的维度通常是二维的，每个观测值可以是多维的向量。在上面的示例中，我们使用了一维的观测值来简化示例，实际应用中可能需要更多维度的观测值和更复杂的模型来进行准确的预测和分析。