bayesian-networks

    2熱度

    1回答

    問題陳述擬合模型: 我有一個數據集,並想從中學習貝葉斯網絡。沒有關於數據集的信息,可以用來做出假設並創建一個初始模型,如PyMC文檔中所述。所以,我想直接從數據中學習模型而無需假設。 背景 我可以用PyMC(V2 & V3)的文檔閱讀,但無法找到它爲我提供的學習從給定的數據樣本模型的可能性的任何方法。在我讀過的幾乎所有例子中,作者爲建立模型做了假設,然後用模型擬合了模型。 相關: jmschrei

    2熱度

    1回答

    我正在努力使用rjags來定義條件線性高斯貝葉斯網絡。 對於下面的淨(A CLG BN是通過具有兩個連續的正常和離散父(預測)一個連續的子節點(結果)所定義的),A是離散的,d和E連續: 對於rjags模型,我supose我要的是節點E的參數進行數值節點A上定義需要:僞代碼 model { A ~ dcat(c(0.0948, 0.9052)) D ~ dnorm(11.870

    1熱度

    1回答

    我使用R中的程序包bnlearn使用數據和專家知識來構造定製擬合離散貝葉斯網絡。 http://www.bnlearn.com/examples/custom/ 這需要使用bn.fit()創建一個bn.fit對象並修改感興趣節點的局部分佈。對於離散貝葉斯網絡(或條件高斯網絡中的離散節點),可以使用coef()從bn.fit對象中提取條件概率表,並進行更新並重新保存。 library(bnlearn

    0熱度

    1回答

    如果我們從有向圖G中刪除一條邊(新圖G')會發生什麼?例如,分解G的概率分佈P是否也將G'分解?如果G和G'是無向圖,會發生什麼? 任何幫助將不勝感激!

    1熱度

    1回答

    我正在尋找一種方法來訓練動態貝葉斯網絡(DBN),使用包bnstruct,用於從類似事件收集數據的特殊情況。因此,1)我想訓練我的DBN每次給它提供一個事件。在實際情況下,事件,行和列的數量很大,2)如果可以實現某些並行處理以提高性能,那將會更好。 下面提供了一個虛擬代碼,其中所有數據都必須立即輸入,忽略事件邊界。 library(bnstruct) numEvents <- 40 numR

    0熱度

    1回答

    我想學習貝葉斯網絡,我有一個問題,我想要一些澄清。 鑑於表 CPT 什麼會在p(侵略=高|憤怒=晴,敵意=是)是什麼?我的答案是0.5。 我的思維過程是憤怒和敵意是依賴的,所以根據給出的信息,部分憤怒和是敵意的概率是0.5。 侵犯是獨立的兩個,所以它只會是P(侵略)* 0.5 = 0.5。 這是否是一個正確的假設?

    2熱度

    1回答

    假設我有一個包含10個特徵和一個班級的數據集。現在,我想在這些特徵之間構建貝葉斯信念網絡。我將如何能夠在java中做到這一點? 有沒有API或機器學習庫? 任何提示或任何起點將不勝感激。

    1熱度

    1回答

    隨着我現在瞭解如何正確輸入軟證據(請參閱Prediction with cpdist using "probabilities" as evidence),這導致我出現了一個新問題(我認爲這是一個很常見的問題),我又準備了一個可重現的問題例如:NaN值。 我可以也應該早些時候遇到過這種情況,但從未偶然。 NaN的參數可重複實施例 library(bnlearn) Learning.set4=cb

    1熱度

    1回答

    如何從貝葉斯信念網絡找到變量間的因果關係? 我所不解的是,找到變量之間的因果關係,我需要構建貝葉斯信念網絡。 我google了一下,所有的例子說,它需要專業的知識和足夠的數據來建立一個BBN。 我看到有在Weka中的貝葉斯網絡的API。但對我來說太複雜了。 什麼是一步在Weka的一步程序,這樣我可以建立從數據集的貝葉斯網絡(數據集包含幾個變量和目標變量) 我已經用下面的代碼試圖 BayesNet

    0熱度

    1回答

    在下列情況下,有誰能解釋我有條件的獨立性嗎?你能否給我每個案例的其他適當的例子?