问题标签 [bnlearn]

我试图让数据记录属于以贝叶斯网络为特征的数据集的可能性。

这是我当前的简单代码：

这输出：

绝对不是我所期待的。我期望的是，通过使用平滑（iss=1），它应该输出一个非常小的但不是零概率。

肯定有一些我不明白的东西（所有 6 个变量在“learning.test”训练数据集中只有 a、b 或 c 值）。

I have to perform the Bayesian Network test, using MAP estimation (Maximum A Posteriori). I have a (gaussian) dataframe consisting of 5 variables, varying from 2 till 16 unique values per variable. Does anyone know who to set the arcs using the bnlearn package and how to perform the estimate learning? Right now I receive the following error:

Error in check.fitting.method(method, data) : Bayesian parameter estimation for (conditional) Gaussian Bayesian networks is not implemented.

I expect to get parameter estimates which represent the (conditional) probabilities of the Bayesian Network.

我使用 bnlearn 包构建了一个贝叶斯信念网络。它由 40 个因子变量组成，因子水平从 2 到 16。我使用 modelstring() 创建了一个手动贝叶斯图，当我尝试在贝叶斯模型上运行 bn.fit 时，我收到此错误“minimal.table 中的错误（ data[, c(node, parents), drop = FALSE], with.missing = !all(data.info$complete.nodes[c(node, : 试图创建一个包含超过 INT_MAX 个单元格的表" 有没有办法在不从我的数据集中删除任何变量的情况下避免这种情况？

我查看了编译器的 INT_MAX 值，它是 2,147,483,647

我正在研究神经网络，但是当我尝试将概率与网络相关联时遇到问题。数据集是亚洲网络

我尝试更改节点 E 尺寸，但仍然失败

在此处输入图像描述

然后我将下面的结果类型更改为每个节点的矩阵：

最后我尝试了这个，但我遇到了下一个错误：

我正在尝试将 R 库拉入 python，以便可以将它们用于数据处理。有问题的图书馆是BNLearn. 使用rpy2，我可以BNLearn进入 python。但是，每当我尝试将列表输入到 中BNlearn时，都会收到以下错误。

回溯（最近一次通话最后）：

我尝试用谷歌搜索错误，但没有多少帖子谈论它。它声称该对象不可迭代，但如果我使用基本的 python 字符串，我会收到以下内容

RRuntimeError：check.nodes(nodes) 中的错误：节点必须是字符串向量，即节点的标签。

StrVector用于解决上面代码中的这个错误。

我有一个包含命名对象的列表，我想通过从字符串中提取列表索引名称来分配这些对象。使用以下方法，我收到以下错误消息：错误：尝试应用非功能。

因此：

PS：这是使用 Bnlearn 库将自定义系数分配给 bn.fit 对象节点。出于某种原因，您可以使用列表索引名称进行分配，但不能使用列表索引整数。如果有另一种解决方法可以在这种情况下工作，我全神贯注。

我正在尝试建立一个分类网络，我需要根据大量连续预测变量来预测分类/离散结果。我可以在学习模型后预测类，但是有没有办法提取与每个预测类相关的概率？

通常当训练模型完全由离散变量组成时，您可以传递pred = TRUE给predict()函数，但混合模型并非如此。我似乎找不到任何有用的文档来说明如何使用混合网络完成此任务（或类似或可比较的内容）。

理想情况下，我将能够获得每个观察的预测概率，例如，

在“R 中的贝叶斯网络”一书中，作者使用 Grow - Shrink 实现来学习标记数据集的结构。我应该期望 gs 函数为学习结构提供不同的输出吗？也许也许只是从等价类中学习一个结构？

让我感到困惑的是，我运行下面的代码并得到输出：

但在书中，他们声称得到了有向图

根据书中的内容，他们运行的唯一代码是

我运行的代码是

可能有什么不同？

我试图根据它在数据框中因子列的值范围内的位置来获取数字的级别。

我正在尝试根据新值获取因子标签。给定一个值 5.5，有没有办法获取标签？

所以我可以将它分配给一个变量？像这样的东西？

bnlearn 4.6 支持根据changelog自定义可分解分数。我不知道如何使用它。我试过net <- hc(df, score = "custom")了，它给了我Error in check.custom.score.function(fun = extra.args$fun): missing the custom score function。任何人都知道如何将自定义功能提供给hc？