我目前正在与Scikit学习合作，并在尝试培训高斯HMM时遇到了以下问题：
文件"/库/Python/2.7/site-包/skLearning/hmm.py"，第443行，适合
self._do_mstep(stats, self.params)
文件“/Library/Python/2.7/site packages/sklearn/hmm.py”，第798行，在
super(GaussianHMM, self)._do_mstep(stats, params)
文件“/Library/Python/2.7/site packages/sklearn/hmm.py”，第580行，在
np.maximum(self.startprob_prior - 1.0 + stats['start'], 1e-20))
文件“/Library/Python/2.7/site packages/sklearn/hmm.py”，第476行，在
raise ValueError('startprob must sum to 1.0')
必须求和到1.0
如果我消除了一些特征（每次观察少于13个特征），它仍然有效。我已经检查了所有输入是否有效，并且只包含numpy的2d数组。每个培训示例使用64个浮点数。你知道哪里出了问题吗？谢谢
通过将params属性设置为训练集中所有唯一值的集合，我修复了这个问题。
param=set(train.ravel())
model=hmm.GaussianHMM(n_components=6, covariance_type="full", n_iter=100,params=param)
train是我用来匹配模型的numpy阵列列表。
初始参数设置为包含所有ascii字符的字符串。
我在使用GaussianHMM时也遇到了同样的问题。我发现问题是因为我输入了分类器整数值，而它需要浮点值。当我意识到多项式HMM只接受continuos值时，我试着使用浮点数，结果成功了！
我也有同样的问题。我可以通过调整模型的隐藏状态数来解决这个问题。根据可用数据和状态数，模型似乎无法正确拟合
