Question

我在R中有一个bnlearn模型，使用gs函数学习，有4个分类变量和8个数值变量。当我尝试使用测试集验证我的模型时，在尝试预测某些节点时出现此错误：

check.fit.vs.data中的错误（fits = object，data = data，subset = object [[node]] $ parents）：
＆＃39;关键字＆＃39;在节点和数据中具有不同的级别数。

是否无法同时使用bnlearn的数字和分类变量？如果有可能，我做错了什么？

mydata$A <- as.factor(mydata$A)
mydata$B <- as.numeric(mydata$B)
mydata$C <- as.numeric(mydata$C)
mydata$D <- as.numeric(mydata$D)
mydata$E <- as.factor(mydata$E)
mydata$F <- as.numeric(mydata$F)
mydata$G <- as.numeric(mydata$G)
mydata$H <- as.numeric(mydata$H)
mydata$I <- as.numeric(mydata$I)
mydata$J <- as.numeric(mydata$J)
mydata$K <- as.numeric(mydata$K)
mydata$L <- as.numeric(mydata$L)
mydata$M <- as.numeric(mydata$M)
mydata$N <- as.numeric(mydata$N)
mydata$O <- as.numeric(mydata$O)
mydata$P <- as.numeric(mydata$P)
mydata$Q <- as.numeric(mydata$Q)


#create vector of black arcs
temp1=vector(mode = "character", length = 0)
for (i in 1:length(varnames)){
    for (j in 1:length(varnames)){
        temp1 <- c(temp1,varnames[i])
        }
    }

temp2=vector(mode = "character", length = 0)
for (i in 1:length(varnames)){
    temp2 <- c(temp2,varnames)
    }

#creat to arcs of the model
arcdata = read.csv("C:/users/asaf/desktop/in progress/whitearcs.csv", header = T)
wfrom=arcdata[,1]
wto=arcdata[,2]

whitelist = data.frame(from = wfrom,to =wto)

#block unwanted arcs

blacklist = data.frame(from = temp1, to = temp2)

#fit and plot the model

#gaussian method
model = gs(mydata, whitelist = whitelist, blacklist = blacklist)



#inference procedure

learntmodel = bn.fit(model,mydata,method = "mle",debug = F)

graphviz.plot(learntmodel)
myvalidation=read.csv("C:/users/asaf/desktop/in progress/val.csv",    header = T)
#predicate A
pred = predict(learntmodel, node="A", myvalidation)
myvalidation$A <- pred

#predicate B
pred = predict(learntmodel, node="B", myvalidation)
myvalidation$B <- pred

此时它会抛出以下错误：

check.fit.vs.data中的错误（fits = object，data = data，subset = object [[node]] $ parents）：
＆＃39; A＆＃39;在节点和数据中具有不同的级别数。

Answer 1

bnlearn无法同时使用混合变量（定性和定量），我可以在deal包中阅读。

另一种可能性是使用discretize将连续变量转换为离散变量：

dmydata <- discretize(mydata, breaks = 2, method = "interval")

model <- gs(dmydata, whitelist = whitelist, blacklist = blacklist)

...并继续使用您的代码。

Answer 2

实际上我今天遇到了同样的问题，我通过确保连接到相关节点的其他节点（即$ A）也具有相同的级别来解决它。

将数据拟合到R

2 个答案: