我在R中使用bnlearn程序包。请帮助我阐明一些要点
1)network <- hc(DataSet_1)
#创建一个默认网络
2)prior_prob <- bn.fit(network, DataSet_1)
#创建先验概率
3)Posterior_prob <- cpquery(prior_prob , event = var_1 > 100, evidence = (Var_2 = c("ABC"))
#贝叶斯推断,Var_1和Var_2是我的数据集中的变量
问题
1)在步骤(3)中,如何优化证据变量以获取 事件变量大于100。
我已经看到下面的链接创建了一个for循环,没有任何优化功能 在R中进行证据优化 Using bnlearn Function "cpquery" Within a Loop
这是获取最佳证据的正确方法吗?
2)我有 new_data_set ,如何更新我的网络?
3)我可以通过选择多个证据来使用cpquery进行假设分析吗?
4)我可以对cpquery中的单个变量使用多个因子值吗?
我的意思是evidence = Var_2 %in% c("XYZ", "ABC" )
吗?是否允许XYZ和ABC?
谢谢