贝叶斯网的R实现(BayesiannetworksinR)(二)bnlearn分析报告.pdf

贝叶斯网的 R 实现 （ Bayesian networks in R） （二） bnlearn(1) 2013-06-14 21:33:22 1.bayesian networks 的一些基本概念 贝叶斯网 bayesian networks 是一种有向无环图模型 （DAG），可表示为 G=( ,A) 其中 是节点的集合，节点表示随机变量；A 是弧 （或称为边）的集合，弧的箭头表示随机变量之 间的概率相依性 有向无环图 DAG 定义了一个因子化的 中全体节点的联合概率分布，称 为全局概率分布；相对的，与每个随机变量关联的，为局部概率分布 因子化的形式由贝叶斯网的马尔科夫性质给出，对每个随机变量，其概率只依赖于其父代： 可以通过学习算法得到贝叶斯网的结构 学习算法首先是学习网络结构，然后在此基础上估 计局部分布函数的参数 尽管全局和局部分布的选择形式很多，最常用的还是下面的两种 分布： 多项分布 （离散数据） 多元正态分布 （连续分布） 得到网络结构，可以利用概率的条件相依，对相关专业问题进行推断 R 中有多个包可以实现贝叶斯网的创建、学习和推断，详见下面表格 前面我曾简单介绍过 gRain 包，本篇讨论最常用的 bnlearn 包 2.网络创建和操作 bnlearn 包自带数据集 marks，88 学生 5 门课的成绩 这个数据最早由 Mardia et al(1979)研究过 library(bnlearn) ## Warning: package bnlearn was built under R version 3.0.1 data(marks) str(marks) ## data.frame: 88 obs. of 5 variables: ## $ MECH: num 77 63 75 55 63 53 51 59 62 64 ... ## $ ECT: num 82 78 73 72 63 61 67 70 60 72 ... ## $ ALG : num 67 80 71 63 65 72 65 68 58 60 ... ## $ ANL : num 67 70 66 70 70 64 65 62 62 62 ... ## $ STAT: num 81 81 81 68 63 73 68 56 70 45 ... 创建一个空网络，节点对应于 marks 的变量 然后通过指派一个两列的矩阵来添加边 生成一个无向图： ug - empty.graph(names(marks)) arcs(ug, ignore.cycles = TRUE) = matrix(c(MECH, ECT, MECH, ALG, ECT, MECH, ECT, ALG, ALG, MECH, ALG, ECT, ALG, ANL, ALG, STAT, ANL, ALG, ANL, STAT, STAT, ALG, STAT, ANL), ncol = 2, byrow = TRUE, dimnames = list(c(), c(from, to))) ug ## ## Random/Generated Bayesian network ## ## model: ## [undirected graph] ## nodes: 5 ## arcs: 6 ## undirected arcs: 6 ## directed arcs: 0 ## average markov blanket size: 2.40 ## average neighbourhood size: 2.40 ## average branching factor: 0.00 ## ## generation algorithm: Empty 这个 ug 对象属于 bn 类，这个类用于在 bnlearn 包中管理网络结构 这个对象包括三个方 面的信息： (1)le