贝叶斯网的R实现( Bayesian networks in R)(二)bnlearn.pdf

贝叶斯网的R实现( Bayesian networks in R)(二)bnlearn.pdf

ID:50222783

大小:3.65 MB

页数:23页

时间:2020-03-13

贝叶斯网的R实现( Bayesian networks in R)(二)bnlearn.pdf_第1页
贝叶斯网的R实现( Bayesian networks in R)(二)bnlearn.pdf_第2页
贝叶斯网的R实现( Bayesian networks in R)(二)bnlearn.pdf_第3页
贝叶斯网的R实现( Bayesian networks in R)(二)bnlearn.pdf_第4页
贝叶斯网的R实现( Bayesian networks in R)(二)bnlearn.pdf_第5页
资源描述:

《贝叶斯网的R实现( Bayesian networks in R)(二)bnlearn.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、贝叶斯网的R实现(BayesiannetworksinR)(二)bnlearn(1)2013-06-1421:33:221.bayesiannetworks的一些基本概念贝叶斯网bayesiannetworks是一种有向无环图模型(DAG),可表示为G=(V,A)。其中V是节点的集合,节点表示随机变量;A是弧(或称为边)的集合,弧的箭头表示随机变量之间的概率相依性。有向无环图DAG定义了一个因子化的V中全体节点的联合概率分布,称为全局概率分布;相对的,与每个随机变量关联的,为局部概率分布。因子化的形式由贝叶斯网的马尔科夫性质给出,对每个随机变量,其概率

2、只依赖于其父代:可以通过学习算法得到贝叶斯网的结构。学习算法首先是学习网络结构,然后在此基础上估计局部分布函数的参数。尽管全局和局部分布的选择形式很多,最常用的还是下面的两种分布:多项分布(离散数据)多元正态分布(连续分布)得到网络结构,可以利用概率的条件相依,对相关专业问题进行推断。R中有多个包可以实现贝叶斯网的创建、学习和推断,详见下面表格。前面我曾简单介绍过gRain包,本篇讨论最常用的bnlearn包。2.网络创建和操作bnlearn包自带数据集marks,88学生5门课的成绩。这个数据最早由Mardiaetal(1979)研究过。librar

3、y(bnlearn)##Warning:package'bnlearn'wasbuiltunderRversion3.0.1data(marks)str(marks)##'data.frame':88obs.of5variables:##$MECH:num77637555635351596264...##$VECT:num82787372636167706072...##$ALG:num67807163657265685860...##$ANL:num67706670706465626262...##$STAT:num81818168637368567

4、045...创建一个空网络,节点对应于marks的变量。然后通过指派一个两列的矩阵来添加边。生成一个无向图:ug<-empty.graph(names(marks))arcs(ug,ignore.cycles=TRUE)=matrix(c("MECH","VECT","MECH","ALG","VECT","MECH","VECT","ALG","ALG","MECH","ALG","VECT","ALG","ANL","ALG","STAT","ANL","ALG","ANL","STAT","STAT","ALG","STAT","ANL"),nc

5、ol=2,byrow=TRUE,dimnames=list(c(),c("from","to")))ug####Random/GeneratedBayesiannetwork####model:##[undirectedgraph]##nodes:5##arcs:6##undirectedarcs:6##directedarcs:0##averagemarkovblanketsize:2.40##averageneighbourhoodsize:2.40##averagebranchingfactor:0.00####generationalgorit

6、hm:Empty这个ug对象属于bn类,这个类用于在bnlearn包中管理网络结构。这个对象包括三个方面的信息:(1)learning:结构的学习(2)node节点(3)arc边生成一个有向图:dg<-empty.graph(names(marks))arcs(dg)=matrix(c("VECT","MECH","ALG","MECH","ALG","VECT","ANL","ALG","STAT","ALG","STAT","ANL"),ncol=2,byrow=TRUE,dimnames=list(c(),c("from","to")))dg##

7、##Random/GeneratedBayesiannetwork####model:##[STAT][ANL

8、STAT][ALG

9、ANL:STAT][VECT

10、ALG][MECH

11、VECT:ALG]##nodes:5##arcs:6##undirectedarcs:0##directedarcs:6##averagemarkovblanketsize:2.40##averageneighbourhoodsize:2.40##averagebranchingfactor:1.20####generationalgorithm:Empty有时候也可以从邻

12、接矩阵(adjacencymatrix)来生成有向图dg。mat<-matrix(c(0,1,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。