问题标签 [bnlearn]

我遇到了一个超出我理解范围的问题。我制作了一个简单的可重现示例供您测试。

基本上，我创建了一个贝叶斯网络，其中两个高度相关的变量链接在一起。人们会期望，如果其中一个很高，那么另一个也应该很高（因为它们是直接相关的）。

有人可以在这里告诉我为什么它不适用于该lw方法吗？（您可以尝试，ls它似乎工作正常）。

lw代表似然加权

更新：从维护者那里得到了解决方案。在末尾添加以下内容将打印预期的预测：

print (sum(very_low_cause_values[, 1] * attr(very_low_cause_values, "weights")) / sum(attr(very_low_cause_values, "weights")))

我有一个非常简单的问题，有一个简单的可重复示例，该示例与我使用 bnlearn 进行预测的工作有关

以下是帮助内容：

“在离散或有序节点的情况下，也可以提供两个或多个值。在这种情况下，该节点的值将以统一的概率从一组指定值中采样”

当我使用分类变量预测变量的值时，我现在只使用所述变量的某种模态，如示例中的第一个预测。（将证据设置为“是”会使 Cons 获得较高的价值）

但是，如果我想在不确定变量 Cause 的确切模态的情况下预测 Cons，我可以使用我在第二个预测中所做的（只知道概率）吗？这是一种优雅的方式还是有更好的实施方式我不知道？

使用包 bnlearn，是否可以将节点设置为不能有任何父节点？我发现使用黑名单功能在技术上是可行的。阻止“A”在包含的测试数据中有任何父母的示例：

但是，我正在处理具有数万个节点的数据，这些节点不应该是彼此的父节点，从而导致黑名单长达数百万行。我本质上是在寻找类似的东西：

黑名单 = data.frame(from = c("*", "A"))

这意味着没有节点可以成为 A 的父节点。这可能吗？如果没有，是否有任何人可以推荐的具有此功能的贝叶斯学习包？

我对使用 R 还是很陌生（只有几个月），我正在尝试为我的研究（生物学）建立一个贝叶斯网络（BN）。我已经用离散变量完成了所有这些，但是，我现在也在尝试整合连续变量，我知道这可能是一个问题。现在我只是在构建一个 BN 以在MoTBFs包中使用来构建一个混合网络，使用bnlearn包。这是我的数据：

我在下面得到了这个字符串，因为我只针对上述数据中的几个 SNP：

但是，它没有创建正确的弧，因此我尝试创建一个白名单，如下所示（L 是上面子集中未显示的列）：

当我尝试添加此白名单时，调用whitebn 函数：

现在错误并不神秘，但白名单中的所有名称都在数据框中。它们出现在白名单中成功创建的 bn 中。我已经尝试将数据作为因素和字符认为必须是某种格式，但同样的错误。我错过了什么？

有没有人有经验或建议的包来构建具有连续父节点和离散子节点的 BN？也许这个MoTBFs包不是我应该使用的。

我们可以使用函数“score”计算贝叶斯网络的分数，但我需要计算从节点设置的所有可能父节点的分数。我的意思是如果我有 n 个变量（X1，X2，X3，...，Xn），我想计算 X1 的分数和所有可能的父母集。

我正在尝试用 bnlearn 在 R 中绘制一个 Bsyesian 网络。这是我的 R 代码

上面的代码有效，但图中文本的大小比我预期的要小得多。这里是：

我认为那是因为我的变量名称很长。在我的真实数据中，变量名甚至更长。这是我的真实数据集的 BN 图：

有没有办法增加情节中文字的大小？

我的数据由 3 个因子变量组成，每个变量有 5 个级别。 head(swiss_bn,n = 10)

但是当我跑步时

我收到以下错误

我有以下来自贝叶斯网络学习算法的字符串（如来自bnlearn或deal包）：

该字符串定义了变量之间的连接以及连接的方向。括号（ ）中每一项的第一个变量[...]代表一个节点，后面的所有变量|代表在方向上连接到第一个节点的节点。这些变量由 分隔:。

我想将字符串转换为表示每个变量之间连接的 data.frame。它应该如下所示：

我正在运行安装了 bnlearn 包的 Rstudio。

我想要不同父节点对子节点的影响（如果可能，有置信区间）。

我有：
我的数据集，被制成因子（25 个变量，200 个案例）。
我的节点之间所有合法连接的白名单（60 个弧）。

我的问题：当我运行以下代码时：

我的电脑将因内存太少而停滞（它会产生大约 7 gigs 的内存使用，直到我的电脑放弃）。但是，如果我删除我的白名单，它会运行得很好。

所以：

1. 据我所知，检测与约束的交互（arcs.csv）应该比没有使用更少的内存。事实证明这是错误的。我在这里错过了什么吗？

2. 我对 bnlearn 为我推荐一个模型完全不感兴趣，我知道它应该是什么样子。我只想用节点之间的 p 值（和置信区间）计算依赖关系。我是否使用了正确的工具？

大家好，我正在使用 bnlearn 为贝叶斯网络和使用 r studio 开发闪亮的应用程序，我得到一个致命错误，当我使用 R GUI 时，我得到这个错误

我试图获得最新版本的 R 和 rstudio 但它仍然发生

是不是我电脑内存小？？或者是其他东西

提前致谢