问题标签 [bayesian-networks]

长话短说，我正在尝试将非电子邮件文本（实际上是小书）过滤为坏（垃圾邮件）和好（火腿）。我正准备使用 bogofilter ( http://bogofilter.sourceforge.net/ )，因为它看起来既成熟又有效，但是我一直在用 Python 编写代码；这意味着我可能不得不使用子进程从我的脚本中调用 bogofilter，因为它是用 (C?) 编写的。我刚刚遇到了一个基于 python 的垃圾邮件过滤器，它似乎可以满足我的需要https://github.com/jart/redisbayes（虽然我还没有测试一个与另一个的有效性。我还没有一个很好的数据集）。它使用了一个看起来一切都很好的 redis 密钥后端，但是我不熟悉 redis，并且不确定它与对 bogofilter 的子进程调用（由 BerkleyDB 支持）相比有什么优点/缺点。我知道 redis 实际上是一个服务器进程，因此似乎我必须在脚本启动之前运行一个实例。这不是什么大问题，但最终目标是让它在我的 Uni 的服务器上运行；另一方面，bogofilter 没有需要我注意的正在进行的后台进程。

归结为 1：性能（说实话并不是世界末日，这个数据集是 100k-400k 短文本行；大约 50 MB 的价值），2：实用性不仅来自程序员的立场（我！），但稍后是系统管理员，以及 3：模型可靠性（我计划在这里稍微研究一下 bogofilter 算法，因为我知道它不仅仅是一个贝叶斯模型......我想。我是机器学习领域的新手）。

我只是想对最聪明的行动方案有一些想法，也许可以帮助下一个人做这样有点晦涩的事情。卑微的本科生愿意接受建议，打我！

我正在尝试使用bnlearn 包来计算条件概率，并且在循环中使用“cpquery”函数时遇到了问题。我使用包中包含的数据创建了一个示例，如下所示。在循环中使用 cpquery 函数时，函数无法识别在循环中创建的变量（示例中的“evi”）。我收到错误：

“evi”的创建步骤基于作者提供的示例。

你能提供的任何帮助都会很棒。我迫切希望找到一种方法可以将 cpquery 函数应用于大量观察。

提前致谢！

我最近遇到了贝叶斯网络。我读到它们有助于降低 n 个随机变量的联合概率分布的维数（让它们为布尔值）。

贝叶斯网络有助于简化公式，因为它包含有关哪些变量实际上相互依赖的信息。我得到了这么多。

我没有得到的是它如何减少计算概率所需的计算量？基本上我不理解联合分布上下文中的维数概念。

好吧，这就是我的情况，我知道一些概率论，我知道贝叶斯定理等。但是把它放到matlab中，我迷失了如何计算条件。

我正在做的是鸢尾花数据集的分类，这个：

现在我知道我可以通过计数然后除以总数来获得先验：

但是我怎么得到那个可能性，我觉得它不能计数，至少我认为。那我该怎么做？？请帮忙，我完全迷路了（：谢谢。

我在 Matlab 中做一个朴素的贝叶斯，这一切都很好，直到他们说我需要条件概率。现在我知道条件 p(A|B) = P(A 和 B)/p(B) 的公式，但是当我有数据可以从中获取时，我就迷路了。数据是：

从 1 到 3 的第一列中的类在哪里？我会将它们更改为列的平均值，即可以通过计为第一列的类#/总数来完成的类的先验。这很简单，但条件呢？

贝叶斯 p(c|x) = p(x|c)p(c)/p(x)。谢谢。

编辑：我认为我需要的是一个可以解释从数据中获取条件的过程的人，如果可能的话，如果我需要做一个 CPT 并给我关于如何做的指示，我是一名程序员。

我在这里很新，但有一个问题需要帮助。我正在学习机器学习，特别是贝叶斯网络。我要解决的问题是：

考虑一头可能患有疾病的母牛。您可以通过假阳性率为 0.05 和假阴性率为 0.01 的牛奶测试来检测这种疾病。该测试连续进行 5 天，有 5 个结果。给定一组结果，确定疾病的状态。假设第一天感染的先验概率为 0.001，并且某一天的感染状态仅取决于其前一天的状态，因此感染持续到第二天的概率为 0.70 ，而新感染的概率为 0.002。

然后你给出了一组结果，并要求根据这些结果确定一些东西。我不太确定如何为这个问题构建网络，并且想知道是否有人有一些指示。

谢谢。

我试图在 Visual Studio 2013 中运行此处提供的示例代码http://dlib.net/bayes_net_ex.cpp.html，设置了所有库，但我在方法元素和元素 const 处遇到两个 c2244 错误。

这是错误报告

我看不出这里有什么问题。

我正在研究一个使用 2-TBN 动态贝叶斯网络的自动和弦识别项目，其中有 4 个离散隐藏节点和 2 个连续可观察节点。

我使用贝叶斯网络工具箱创建了模型，对此没有任何问题。第五个和第六个节点分别是 13 维和 12 维的可观察节点。我正在尝试使用我无法做到的工具箱的推理部分。我编写了以下代码，但没有给出正确的输出。

请告诉我如何进行推理。

假设您有以下数据集，其中观察到了两个变量 Color 和 Size：

要求您学习贝叶斯网络的最大似然参数，如下所示：

对于表中描述的学习问题，您可以获得更多数据，但新数据集包含缺失值。您现在可以使用哪种算法来学习最大似然参数？

I want to use Bayes Net Toolbox in matlab , especially score_dags(data, ns, dags) function .

I have:

-3 nodes

-All combinational subset of these nodes that create dag (will be 25 dags)

-Array with size (3,30) where each rows represent the data of nodes (e.g. row 1 for node 1)

When I call the function , if the parameter “data” is the array , and the parameter “dags” is the 25 dags then what it “ns” parameter?

I really appreciate any help you can provide.