您的问题是，如果您在 HMM 中使用 delta，您是否违反了最佳实践，以及是否存在任何陷阱。

我认为要回答第一个，并防止第二个，您可以做在人们想要使用 HMM 同时使用来自多个先前状态的信息的情况下经常做的事情：重写潜在链，使其变为“再次标准的马尔可夫链。这可能需要一些争论，但可以防止违反马尔可夫属性和您担心的任何潜在陷阱。

说你原来的潜链是$X_t$. 您可以将其重写为$Y_t=(X_t, X_{t-1})$.
这$Y_t$然后满足满足有限地平线假设的意义，它只依赖于$Y_{t-1}$.

根据您的特定用例，确保还调整原始状态的定义$Y_0$

在机器学习中，特征需要有变化才能使模型有能力学习使用它们。如果特征中没有差异，则该特征不能有助于在目标值之间进行预测。隐马尔可夫模型 (HMM) 是一种机器学习，因此需要特征方差。

大多数机器学习模型都能够学习哪些特征对任务很重要。因此，为模型提供原始特征往往会奏效。原始观察变量应提供给 HMM 模型，模型将学习使用它们。

这个问题也可以通过交叉验证来回答。为模型提供原始特征和增量版本，看看哪个版本的预测能力最强。