在循環中使用bnlearn函數「cpquery」

我試圖使用bnlearn package來計算條件概率，並且在循環中使用"cpquery"函數時遇到問題。我使用包中包含的數據創建了一個示例，如下所示。在循環中使用cpquery函數時，循環中創建的變量（示例中的「evi」）不被函數識別。我收到錯誤：在循環中使用bnlearn函數「cpquery」

Error in parse(text = evi) : object 'evi' not found

「evi」的創建步驟基於作者提供的示例。

你可以提供的任何幫助將是偉大的。我非常渴望找到一種方法，可以將cpquery函數用於大量的觀察。

library(bnlearn) 
data(learning.test) 
fitted = bn.fit(hc(learning.test), learning.test) 

bn.function <- function(network, evidence_data) { 
    a <- NULL 
    b <- nrow(evidence_data) 
    for (i in 1:b) { 
    evi <- paste("(", names(evidence_data), "=='", 
       sapply(evidence_data[i,], as.character), "')", 
       sep = "", collapse = " & ") 
    a[i] <- cpquery(network, (C=='c'), eval(parse(text=evi))) 
    } 
    return(a) 
} 

test <- bn.function(fitted, learning.test)

在此先感謝！

來源

2013-10-08 H2O_Research

我一直在和bnlearn軟件包的作者聯繫，看來我收到的錯誤是由於cpquery函數的範圍問題。這是顯而易見的，當我能夠讓cpquery函數在用戶定義函數的_outside_構造的for循環中正常工作，但在使用相同的for循環時出現錯誤_inside_用戶定義功能。 –

爲避免範圍界定問題，您可以將呼叫推遲至eval，並在內部cpquery函數中執行。如果您直接將evi（字符變量）傳遞到cpquery，然後將其解析到定義中，則環境鏈將獲得轉移和cpquery將有權訪問evi。

您可以使用m.cpquery <- edit(cpqurey)到餐桌自己版本的函數，並在其開頭插入以下行：

evidence = parse(text = evidence)

，然後保存您的新功能。所以m.cpquery標題看起來像：

> m.cpquery 
function (fitted, event, evidence, cluster = NULL, method = "ls", 
    ..., debug = FALSE) 
{ 
    evidence = parse(text = evidence) 
    check.fit(fitted) 
    check.logical(debug) 
...

現在，你可以在自己的函數中使用m.cpquery像以前一樣，除了我們會通過簡單的字符變量給它：

a[i] <- m.cpquery(network, (C=='c'), evi)

注意在m.cpquery的第一行，我們只解析了證據字符變量，並沒有對其調用eval。 cpquery是conditional.probability.query的前端（請參閱here），我們依靠conditional.probability.query對eval的後續調用。

我應該說這是一個相當醜陋的解決方法。只有在使用邏輯採樣（method='ls'）時纔有效。但是如果您想使用似然權重，則check.mutilated.evidence函數將引發錯誤。我沒有檢查，如果在被調用之前注入一個eval表達式會導致隨後導致地獄的錯誤的混亂。

來源

2016-10-02 13:22:20 koohyar

在循環中使用bnlearn函數「cpquery」

回答

相關問題