MatLab BayesNetToolbox参数学习

我的问题特定于MatLab中BayesNetToolbox的“learn_params（）”函数。在用户手册中，“learn_params（）”仅适用于完全遵守输入数据的情况。我用一个部分观察的数据集对其进行了尝试，在那里我将未观测到的值表示为NaN。MatLab BayesNetToolbox参数学习

看起来像“learn_params（）”可以处理NaN和数据集中不存在的节点状态组合。当我应用dirichlet先验来平滑0值时，我得到了所有节点的“明智的”MLE分布。我在这里复制了脚本。

有人可以澄清是否我在做什么是有道理的，或者如果我缺少的东西，即之所以“learn_params（）”不能以部分观测数据使用。

MATLAB的脚本，我测试这是在这里：

% Incomplete dataset (where NaN's are unobserved) 
Age = [1,2,2,NaN,3,3,2,1,NaN,2,1,1,3,NaN,2,2,1,NaN,3,1]; 
TNMStage = [2,4,2,3,NaN,1,NaN,3,1,4,3,NaN,2,4,3,4,1,NaN,2,4]; 
Treatment = [2,3,3,NaN,2,NaN,4,4,3,3,NaN,2,NaN,NaN,4,2,NaN,3,NaN,4]; 
Survival = [1,2,1,2,2,1,1,1,1,2,2,1,2,2,1,2,1,2,2,1]; 
matrixdata = [Age;TNMStage;Treatment;Survival]; 
node_sizes =[3,4,4,2]; 

% Enter the variablesmap 
keys = {'Age', 'TNM','Treatment', 'Survival'}; 
v= 1:1:length(keys); 
VariablesMap = containers.Map(keys,v); 

% create the dag and the bnet 
N = length(node_sizes); % Instead of entering it manually 
dag2 = zeros(N,N); 
dag2(VariablesMap('Treatment'),VariablesMap('Survival')) = 1; 
bnet21 = mk_bnet(dag2, node_sizes); 
draw_graph(bnet21.dag); 
dirichletweight=1; 

% define the CPD priors you want to use 
bnet23.CPD{VariablesMap('Age')} = tabular_CPD(bnet23, VariablesMap('Age'), 'prior_type', 'dirichlet','dirichlet_type', 'unif', 'dirichlet_weight', dirichletweight); 
bnet23.CPD{VariablesMap('TNM')} = tabular_CPD(bnet23, VariablesMap('TNM'), 'prior_type', 'dirichlet','dirichlet_type', 'unif', 'dirichlet_weight', dirichletweight); 
bnet23.CPD{VariablesMap('Treatment')} = tabular_CPD(bnet23, VariablesMap('Treatment'), 'prior_type', 'dirichlet','dirichlet_type', 'unif','dirichlet_weight', dirichletweight); 
bnet23.CPD{VariablesMap('Survival')} = tabular_CPD(bnet23, VariablesMap('Survival'), 'prior_type', 'dirichlet','dirichlet_type', 'unif','dirichlet_weight', dirichletweight); 

% Find MLEs from incomplete data with Dirichlet prior CPDs 
bnet24 = learn_params(bnet23, matrixdata); 

% Look at the new CPT values after parameter estimation has been carried out 
CPT24 = cell(1,N); 
for i=1:N 
s=struct(bnet24.CPD{i}); % violate object privacy 
CPT24{i}=s.CPT; 
end

来源

2012-07-13 Rhubarb

根据我的BNT文件的理解，你需要做一些改动：

缺失值应派代表参加作为空单元而不是NaN值。
learn_params_em函数是唯一支持缺失值的函数。

我以前的回答是不正确的，因为我错误地回想起哪些BNT学习函数支持缺失值。

来源

2012-07-14 00:37:58

@ Kaelin，非常感谢您的回答。我一定会根据你的建议比较两者。你知道bayes_update_params（）如何支持缺失值的数学答案吗？它是否忽略它们（如learn_params（）那样）或用某些东西替换丢失的数据？ [是的，我会分析这个功能。] – Rhubarb 2012-07-14 11:07:58

是的，在阅读更多内容后，我同意这一点。当你保持缺失的值为NaN时，MatLab会在计算不同状态出现的最大似然估计时自动忽略这些单元。这不完全删除，但类似的东西。 – Rhubarb 2012-07-26 15:00:23

MatLab BayesNetToolbox参数学习

回答

相关问题