Question

我正在使用r-package“bnlearn”来处理我构建的贝叶斯网：

bn.gs <- gs(x = dat, cluster = NULL, whitelist = wl, blacklist = bl, test = NULL, alpha = 0.05, B = NULL, debug = FALSE, optimized = TRUE, strict = FALSE, undirected = FALSE)

它给了我一个很好的情节，一切似乎都运作良好。所有变量都是连续的，介于-1和1之间。喂养变量（没有父母的变量）的生成如下（N = 1000）：

A <- runif(N, min=-1, max=1)

让我们假设我的变量是A，B，... Z，我知道C，G和M的值。现在我想预测其余节点的值（A，B，D），...）给定C，G和M.就我而言，predict（）一次适用于一个节点。

是否有同时预测多个节点的方法，或者我是否应该通过对每个节点应用predict（）来获得正确的值？我已经尝试预测节点“A”的值，给定“C”的值：

predict(bn.gs, node = "A", testdata, debug = TRUE)

其中testdata是这种形式的数据框：

A    B    C    D    E    ...
0.0  0.0  0.7  0.0  0.0  ...

但我明白了：

* predicting values for node A.
  > prediction for observation 1 is nan with predictor:
    (0.000000) + (0.000000) * (nan) + (0.000000) * (nan)
[1] NA

我很肯定我在这里做错了什么。在我的网络中有弧C - > S - ＆gt;答：“nan”也很奇怪，因为我的网络应该很好地定义。

谢谢你:)。

Answer 1

为了防止其他人也在寻找答案，我确实使用rbmn包解决了这个问题。在使用bnlearn创建bn对象之后，我做了以下操作：

my.bn.par <- bn.fit(x = bn.gs, data = dat)

library("rbmn")

my.bn.par.rbmn <- bnfit2nbn(my.bn.par)
print8nbn(my.bn.par.rbmn)
my.bn.par.mn <- nbn2mn(my.bn.par.rbmn)

# This is the names vector for my nodes:
names <- c("A","B","C","D","E")

# Names of given variables
obsnames <- c("C","E")

# Values for given variables
obsval <- c(0.51,-0.24)

# Names of variables to be predicted
prednames <- setdiff(names, obsnames)

# Then predict all the unknown variables
print8mn(condi4joint(my.bn.par.mn, par = prednames, pour = obsnames, x2 = obsval))

该方法在Marco Scutari的书＆＃34;贝叶斯网络＆＃34;中提出。

Bnlearn：预测多个节点值

1 个答案: