MatLab BayesNetToolbox參數學習

我的問題特定於MatLab中BayesNetToolbox的「learn_params（）」函數。在用戶手冊中，「learn_params（）」僅適用於完全遵守輸入數據的情況。我用一個部分觀察的數據集對其進行了嘗試，在那裏我將未觀測到的值表示爲NaN。MatLab BayesNetToolbox參數學習

看起來像「learn_params（）」可以處理NaN和數據集中不存在的節點狀態組合。當我應用dirichlet先驗來平滑0值時，我得到了所有節點的「明智的」MLE分佈。我在這裏複製了腳本。

有人可以澄清是否我在做什麼是有道理的，或者如果我缺少的東西，即之所以「learn_params（）」不能以部分觀測數據使用。

MATLAB的腳本，我測試這是在這裏：

% Incomplete dataset (where NaN's are unobserved) 
Age = [1,2,2,NaN,3,3,2,1,NaN,2,1,1,3,NaN,2,2,1,NaN,3,1]; 
TNMStage = [2,4,2,3,NaN,1,NaN,3,1,4,3,NaN,2,4,3,4,1,NaN,2,4]; 
Treatment = [2,3,3,NaN,2,NaN,4,4,3,3,NaN,2,NaN,NaN,4,2,NaN,3,NaN,4]; 
Survival = [1,2,1,2,2,1,1,1,1,2,2,1,2,2,1,2,1,2,2,1]; 
matrixdata = [Age;TNMStage;Treatment;Survival]; 
node_sizes =[3,4,4,2]; 

% Enter the variablesmap 
keys = {'Age', 'TNM','Treatment', 'Survival'}; 
v= 1:1:length(keys); 
VariablesMap = containers.Map(keys,v); 

% create the dag and the bnet 
N = length(node_sizes); % Instead of entering it manually 
dag2 = zeros(N,N); 
dag2(VariablesMap('Treatment'),VariablesMap('Survival')) = 1; 
bnet21 = mk_bnet(dag2, node_sizes); 
draw_graph(bnet21.dag); 
dirichletweight=1; 

% define the CPD priors you want to use 
bnet23.CPD{VariablesMap('Age')} = tabular_CPD(bnet23, VariablesMap('Age'), 'prior_type', 'dirichlet','dirichlet_type', 'unif', 'dirichlet_weight', dirichletweight); 
bnet23.CPD{VariablesMap('TNM')} = tabular_CPD(bnet23, VariablesMap('TNM'), 'prior_type', 'dirichlet','dirichlet_type', 'unif', 'dirichlet_weight', dirichletweight); 
bnet23.CPD{VariablesMap('Treatment')} = tabular_CPD(bnet23, VariablesMap('Treatment'), 'prior_type', 'dirichlet','dirichlet_type', 'unif','dirichlet_weight', dirichletweight); 
bnet23.CPD{VariablesMap('Survival')} = tabular_CPD(bnet23, VariablesMap('Survival'), 'prior_type', 'dirichlet','dirichlet_type', 'unif','dirichlet_weight', dirichletweight); 

% Find MLEs from incomplete data with Dirichlet prior CPDs 
bnet24 = learn_params(bnet23, matrixdata); 

% Look at the new CPT values after parameter estimation has been carried out 
CPT24 = cell(1,N); 
for i=1:N 
s=struct(bnet24.CPD{i}); % violate object privacy 
CPT24{i}=s.CPT; 
end

來源

2012-07-13 Rhubarb

根據我的BNT文件的理解，你需要做一些改動：

缺失值應派代表參加作爲空單元而不是NaN值。
learn_params_em函數是唯一支持缺失值的函數。

我以前的回答是不正確的，因爲我錯誤地回想起哪些BNT學習函數支持缺失值。

來源

2012-07-14 00:37:58

@ Kaelin，非常感謝您的回答。我一定會根據你的建議比較兩者。你知道bayes_update_params（）如何支持缺失值的數學答案嗎？它是否忽略它們（如learn_params（）那樣）或用某些東西替換丟失的數據？ [是的，我會分析這個功能。] – Rhubarb 2012-07-14 11:07:58

是的，在閱讀更多內容後，我同意這一點。當你保持缺失的值爲NaN時，MatLab會在計算不同狀態出現的最大似然估計時自動忽略這些單元。這不完全刪除，但類似的東西。 – Rhubarb 2012-07-26 15:00:23

MatLab BayesNetToolbox參數學習

回答

相關問題