2

这是交易。因此,我按照 BNT 手册中的说明创建了一个 BN,是洒水器,但我为冬季和夏季添加了一个节点类。像这样:

 
       多云的 -  -  - 
     / \ |
洒水雨 |
       \ / | |   
        湿课

上课只取决于是阴天还是下雨。具有与http://bnt.googlecode.com/svn/trunk/docs/usage.html#basics相同的规范

并且类也是二进制的,表是:

CR 等级概率
---------------
1 1 1 0
2 1 1 0.4
1 2 1 0.4
2 2 1 0.9
等等

所以我使用 var_elimination_eng 的问题是因为由于某种原因 jtree 不起作用,我在输入下雨的证据后得到了 marg.T:

ans =

 0.800000000000000
 0.200000000000000

这个对吗?我实施得好吗?还是我错过了什么?谢谢。

相同的假设 1=false=冬天,2=true=夏天

编辑:

所以是的,类节点的 CPT 是 8 个条目

CR 等级概率
---------------
1 1 1 0
2 1 1 0.4
1 2 1 0.4
2 2 1 0.9
1 1 2 1
2 1 2 0.6
1 2 2 0.6
2 2 2 0.6
2 2 2 0.1

这些是 1 - 相反。代码是:

N = 5
dag = zeros(N,N)
C = 1; S = 2; R = 3; W = 4; Class = 5 
dag(C, [S R]) = 1
dag( R, W)  = 1
dag(S, W) = 1
dag(C, Class) = 1
dag(R, Class) = 1
discrete_nodes = 1:N
nodes_size = 2*ones(1,N)
bnet = mk_bnet(dag, nodes_size, names, {'Clody', 'S', 'R', 'W', 'Class'},  'discrete', discrete_nodes)
bnet.CPD{C} = tabular_CPD(bnet, C, [0.5 0.5])
bnet.CPD{R} = tabular_CPD(bnet, R, [0.8 0.2 0.2 0.8])
bnet.CPD{S} = tabular_CPD(bnet, S, [0.5 0.9 0.5 0.1]) 
bnet.CPD{W} = tabular_CPD(bnet, W, [1 0.1 0.1 0.01 0 0.9 0.9 0.99])
bnet.CPD{Class} = tabular_CPD(bnet, Class, [0 0.4 0.4 0.9 1 0.6 0.6 0.1])
evidence = cell(1, N)
evidence{R} = 2
engine = var_elim_inf_engine(bnet)
[engine loglik] = enter_evidence(engine, evidence)
marg = marginal_nodes(engine, R)
marg = marginal_nodes(engine, Class)
marg.T

这是我使用的代码,至于 jtree,它在 matlab 上给了我一些错误,它已经消失了,但是,我认为变量 elimin 更容易理解,因为我现在正在阅读它。

谢谢。

4

1 回答 1

3

在这种情况下,“类”的条件概率表 (CPT) 应该有 8 (2*2*2) 个元素。推理引擎的后验输出 (marg.T) 似乎适合二进制变量。

它读作:“‘类’节点处于状态 1 的概率为 0.8,处于状态 2 的概率为 0.2”。从这一点开始,由用户决定是否将“类”指定为状态 1 或 2。

当涉及到分类时,在最简单(并且不是非常可取)的情况下,您可以定义 0.5 的后验概率阈值并说:

if P(class=1)> 0.5
class = 1
else
class = 2
end

在评估二元分类的性能时,您可以查看预测准确性或 ROC 曲线下面积 (AUC),或者做一些考虑“类”状态的先验概率的更智能的事情。

PS你说连接树引擎在这种情况下不起作用,但它应该。您可能遗漏了一点,BNT 工具箱 .zip 文件中应该有一个 junction_tree 示例(我不完全记得 .m 文件的名称是什么)。如果您使用联结树推理引擎,您将看到您得到与变量消除相同的答案。

于 2013-07-30T08:09:02.180 回答