问题标签 [bayesian-networks]

我正在使用 gRain 包来创建贝叶斯网络。以下是我从示例中尝试的代码：

最后一行抛出错误：

有人可以帮忙吗？

更新：这个问题似乎是由于与 bnlearn 包冲突而发生的。现在已经整理好了。

我尝试使用 WEKA API 对数据集进行分类。首先，我尝试了 WEKA Explorer 并使用该分类器获得了 Scheme: weka.classifiers.bayes.BayesNet -D -Q weka.classifiers.bayes.net.search.local.K2 -- -P 1 -S BAYES -E weka.classifiers.bayes.net.estimate.SimpleEstimator -- -A 0.5良好的结果。

这是我的代码：

但我收到以下错误：

有人可以帮忙吗？谢谢你。

我正在使用简单的朴素贝叶斯算法在 mahout 中制作文档分类器。目前，我拥有的 98% 的数据（文档）属于 A 类，只有 2% 属于 B 类。我的问题是，由于 A 类文档与 B 类文档的百分比差距如此之大，那么分类器还能准确训练吗？

我正在考虑做的是忽略一大堆 A 类文档并“操纵”我拥有的数据集，以便文档的组成没有那么大的差距。因此，我最终将拥有的数据集将包含 30% 的 B 类和 70% 的 A 类。但是，这样做有什么我不知道的影响吗？

我正在学习贝叶斯网络以在 matlab 上进行分类，但我坚持一个简单的（我认为）步骤：

因此，对于像 iris 数据集这样的朴素贝叶斯分类器，该类位于顶部节点，如下所示：

所以没关系，我明白为什么类是特性的原因，没关系，我明白为什么类本身有先验。

但在非朴素贝叶斯网络的情况下，如下所示：

在那种不幼稚的情况下，之前的会怎么走，我该如何设置呢？我如何从中获得分类？谢谢 （：

PS：我正在寻找 BNT 的网络。

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：

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：

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：

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

这些是 1 - 相反。代码是：

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。

我尝试使用 MeV26、Bayesia 软件和 R 从 26 列基因表达微阵列编号（.csv 文件，那里有 652 个基因）制作贝叶斯网络。有经验的人可以建议使用哪些软件和脚本以及哪些书籍和教程最适合该任务？是否有任何 Python 或 Ruby 库可以做到这一点？

谢谢

我是统计和数据挖掘的新手。我按照这里的例子，效果很好。现在我想将此方法应用于我的数据集，但是，该数据集仅包含分类数据。

R给出以下错误：

我的问题是：我应该进行什么样的转换才能将该方法应用于我的分类数据集？

代码片段

谁能推荐一个用 Python 实现的贝叶斯信念网络分类器，它可以根据稀疏网络的输入生成信念概率，该网络描述了关于几个相互关联的对象的一系列事实？

例如，考虑到在 FOL 中表述的“X 饿了，是猴子并且吃东西”的事实，例如：

以及一个训练语料库，例如：

我想在语料库上训练一个贝叶斯信念网络，并用它来估计事实的信念概率。

请注意，我不是在谈论朴素贝叶斯文本分类器。

我正在寻找一些帮助来编写 WinBUGS 中的椭圆方程。我需要在我的数据中使用 p1 形成一个双变量椭圆。我尝试将方程用作 (X-mu)'sigmainverse(X-mu)，其中 X 是二元正态变量，mu 是均值向量，sigmainverse 是 var-covariance 矩阵的逆矩阵。在我的示例中，p1 是具有平均 gamma 和逆 sigma2 矩阵的双变量正态变量。双引号内是我所做的，但它不起作用。下面是 WinBUGS 代码：

我在matlab中使用朴素贝叶斯进行分类，如下所示：

使用来自 UCI 数据集的 Haberman 数据集

我这样做对吗？