将数据拟合到 R 中的 bnlearn 模型答案

【问题标题】：fitting data to bnlearn model in R将数据拟合到 R 中的 bnlearn 模型
【发布时间】：2016-06-25 20:00:55
【问题描述】：

我在 R 中有一个 bnlearn 模型，它是使用具有 4 个分类变量和 8 个数值变量的 gs 函数学习的。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（拟合 = 对象，数据 = 数据，子集 = 对象[[节点]]$parents）：
“关键字”在节点和数据中具有不同的级别数。

bnlearn 不能同时使用数值变量和分类变量吗？如果可能的话，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

此时它会引发以下错误：

check.fit.vs.data 中的错误（拟合 = 对象，数据 = 数据，子集 = 对象[[节点]]$parents）：
“A”在节点和数据中具有不同的级别数。

【问题讨论】：

请向我们展示您的代码；最好是重现问题的最小、完整示例。
那么，mydata$A 的级别数与myvalidation$A 相同吗？根据另一条评论，除非您提供您的数据，否则几乎不可能为您提供帮助。
是的。 mydata$A 和 myvalidation$A 的级别数相同。准确地说是 2。
你能用table(mydata$A, myvalidation$A, exclude=NULL)编辑你的问题吗？这会返回什么all.equal(sort(unique(mydata$A)), sort(unique(myvalidation$A)))

标签： r

【解决方案1】：

bnlearn 不能同时处理混合变量（定性和定量），我在deal 包中读到它是可能的。

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)

...并继续您的代码。

【讨论】：

这不是真的 - bnlearn 在 v3.7 中增加了对条件线性高斯网络的支持

【解决方案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 也具有相同数量的级别来解决它。

【讨论】：