Question

我通过bnlearn包和bn.fit函数生成了一个贝叶斯网络，该函数有一个'eyecolor'变量有6个预测变量。我试图获得每个样本的每个可能的眼睛颜色类别（其中有3个）的概率。

dag_iris<-empty.graph(nodes=c("rs122","rs128","rs129","rs139","rs180","rs168","eyecolor"))
dag_iris<-set.arc(dag_iris,from="eyecolor", to="rs168")
dag_iris<-set.arc(dag_iris,from="eyecolor", to="rs128")
dag_iris<-set.arc(dag_iris,from="eyecolor", to="rs122")
dag_iris<-set.arc(dag_iris,from="eyecolor", to="rs129")
dag_iris<-set.arc(dag_iris,from="eyecolor", to="rs139")
dag_iris<-set.arc(dag_iris,from="eyecolor", to="rs180")


bn.mle<-bn.fit(dag_iris,data=iris.geno[,2:8],method="mle")
bn.grain<-as.grain(bn.mle)
predict.mle<-predict(bn.grain,"eyecolor",newdata=iris_geno[,2:7],predictors =     
c("rs129","rs180","rs128","rs168","rs139","rs122"),method="bayes-lw")

此输出为每个样本提供可能性最高的类别（“蓝色”，“棕色”或“整数”），但我希望每个类别中的数值概率值（蓝色，棕色和整数）。我用Google搜索并看到在bn.fit实用程序的预测函数中使用'prob'，但它将错误作为未使用的参数返回。我已经查看了与此有些相关的其他问题，并没有看到任何可以帮助解决这个问题。我觉得我错过了一个可以解决这个问题的论点，或者是否有不同的功能？

感谢任何帮助！

Answer 1

通过将bnlearn网转换为gRain网，我发现只需添加type="distribution"属性就可以完全满足我的要求：

predict.mle <- predict(bn.grain, c("eyecolor"), 
                       predictors=c("rs129","rs180","rs168","rs128","rs139","rs122"), 
                       newdata=iris_test[,2:7] ,
                       type="distribution")

R：使用bn.fit在每个类别中获得条件概率作为贝叶斯网络的输出

1 个答案: