贝叶斯网络结构学习（基于BDAGL工具箱的MATLAB实现）

题目：贝叶斯网络结构学习（基于BDAGL工具箱的MATLAB实现）

有关贝叶斯网络结构学习的一基本概念可以参考：贝叶斯网络结构学习方法简介

有关函数输入输出参数的解释可以参考：贝叶斯网络结构学习若干问题解释

注意到BDAGL工具箱比前面介绍的BNT工具箱在时间上还要早一些，但由于琢磨BDAGL一段时间后并没有找到任何头绪，后来只能另寻出路，所以才找了BNT工具箱。基本琢磨明白了BNT后，还是有些不甘心，所以回过头来继续琢磨BDAGL。在感觉没有希望想要放弃的时候，12月11号突然感觉找到了头绪。其实也并没有什么特别的事情，只是又看了看BDAGL的主页：

http://www.cs.ubc.ca/~murphyk/Software/BDAGL/index.html，

包括子网页介绍的simpleDemo：

http://www.cs.ubc.ca/~murphyk/Software/BDAGL/simpleDemo.htm

仅此而已，其实主页的例子已经说的很清楚了，那我们就开始吧。

首先，按照主页的QuickStart流程走一遍：

Download and unzip BDAGL.zip

In Matlab, change the directory to the newly created BDAGL folder

Run the script mkPath

Type runDemos.

这个过程没有大问题就好，第3步运行mkPath可能会有问题，感觉安装一个Visual Studio也许就可以了吧，需要compiles Mex files，个人理解就是把C/C++写的文件编译成matlab可执行的文件。我后来直接将工具箱添加到了Matlab目录，方法参见《贝叶斯网络结构学习之K2算法（基于FullBNT-1.0.4的MATLAB实现）》的附录2。

【注】若仅想使用该工具箱，此时可以调用文末的函数BDAGL_learn_struct_basic.m，此函数仅需输入数据集，输出即为学得的贝叶斯网络结构。

接下来，打开目录\BDAGL\demos2内的cancerDemo.m，看这个例子不是关键，关键是通过这个例子学习一下工具箱中的函数如何使用。试着Run一下这个文件，应该是没问题的，若有问题可能是开始的步骤的原因。先不管运行结果，接下来解释一下这个文件所做的事情，后面自然就明白运行出的结果的含义了。

第1步，得到aflp和aflml两个结果：

这两个结果的意思不用管，只知道接下来一直需要用它们就是了。

第2步，关注四个结构学习结果：epDP、epMCMC、epEnumer、optimalDAG：

以上四个结果除了optimalDAG之外，其它均不可以直接使用，因为其它三个的结果是存储的是0~1之间的小数，运行结果的figure 1中的左上图(epDP)、右上图(epMCMC)、右下图(epEnumer)分别以不同的颜色显示了这三个结果。注意这三个结果是均是5*5的矩阵，因此图中四幅子图均为25个小格子，不同颜色对应0~1之间的值如子图右边的bar所示。左下图为真实网络结构，因为只有0和1两个值，所以图中只有两种颜色。

若想使用这三个结构学习结果，需要设置一个域值，类似例子如运行结果的Figure 2所示：

图中，左上图为真实网络结构，右上图为epDP域值为0的结构（即epDP矩阵中大于0的置为1，小于0的置为0），左下图为epDP域值为0.1的结构（即epDP矩阵中大于0.1的置为1，小于0.1的置为0），右下图为optimalDAG的结构。值得注意的是，右上图根本不是一个有向无环图，即根本不是一个符合要求的贝叶斯网；左下图的A和B、A和C之间有两条路径，颜色一深一淡，深的对应epDP的数值较大，淡的对应epDP的数值较小，必须分别舍掉其一方能符合有向无环图的要求。使用epMCMC、epEnumer类似，找一个合适的域值。

简单介绍一下myDrawGraph函数：

参数’labels’设置各节点的名称，’layout’设置各节点的坐标，在graphicalLayout矩阵中存储的是ABCDE五个节点的坐标：

A的坐标是(0.4,0.75)、B的坐标是(0.2,0.5)、C的坐标是(0.6,0.5)、D的坐标是(0.4,0.25)、E的坐标是(0.8,0.25)，坐标是将显示区域的横轴和纵轴都归一化到了0~1之间。myDrawGraph函数并不太好用，因为还要人为的设置各节点的坐标，当然可以使用默认设置，例如运行：

myDrawGraph(epDP, 'labels', labels,  'thresh', 0.1);

输出结果如下：

这一点在BDAGL的主页Graph layout部分也进行了说明：

并且作者推荐使用pajek，可以使用\BDAGL\demos2\adj2pajek2.m将学得的网络结构DAG转化为pajek需要的格式。

那么什么是pajek呢？pajek是哪些单词的简称呢？打开百度翻译，将翻译语种设置为由斯洛文尼亚语到中文：

输入“pajek”：

Pajek是大型复杂网络分析工具，是用于研究目前所存在的各种复杂非线性网络的有力工具。Pajek在Windows环境下运行，用于带上千乃至数百万个结点大型网络的分析和可视化操作。在斯洛文尼亚语中Pajek是蜘蛛的意思。（摘自百度百科词条“pajek”）

具体参见链接：http://mrvar.fdv.uni-lj.si/pajek/

使用说明中译本：《蜘蛛：社会网络分析技术》（林枫译，世界图书出版公司）

到此，似乎该说的都说完了，但应该还是缺点什么。对于普通人来说，我们需要的是给函数输入数据集，输出就是学得的贝叶斯网络结构。下面，我给出一个基于BDAGL工具箱的贝叶斯网络结构学习函数，可以达到这个要求：

function [ DAG ] = BDAGL_learn_struct_basic( data_input )
%调用工具箱BDAGL中的computeOptimalDag函数学习贝叶斯网络结构
%该函数主要是对BDAGL进行二次封装
%输入仅有data，输出即为学得贝叶斯网络结构DAGdata = data_input;%节点个数nNodes = size(data,1);%初始化DAG%DAG = zeros(nNodes,nNodes);%得到每个节点在数据集中可能取值的最小值data_low_limit = min(data,[],2);%将数据集进行转化，使每个节点的可能取值从1开始%这是函数mkAllFamilyLogMargLik的要求，否则会报错for nn=1:nNodesdata(nn,:)=data(nn,:)+ (1-data_low_limit(nn));end%得到mkAllFamilyLogMargLik的输入参数nodeArity%nodeArity: Number of values each node can take on (applicable only for%multinomial case). **data for node i must be in range 1..nodeArity(i)**nodeArity = max(data,[],2);%调用mkAllFamilyLogMargLik得到aflml%aflml(All Families Log Marginal Likelihood matrix)aflml = mkAllFamilyLogMargLik(data,'nodeArity', nodeArity);%计算最优网络结果： MLE, max p(D|G)DAG = computeOptimalDag(aflml);
end

特别注意的是函数mkAllFamilyLogMargLik的输入参数nodeArity的设置，函数注释中明确要求“data for node i must be in range 1..nodeArity(i)”，试了几次设置不当的情况：

也不知究竟是何错误，竟然导致Matlab软件直接挂掉。因此，在BDAGL_learn_struct_basic内部，对data进行了处理，将其元素值转换到了1..nodeArity(i)范围内。

函数BDAGL_learn_struct_basic仅简单使用了epDP、epMCMC、epEnumer、optimalDAG四种结果中的optimalDAG，若需使用其它结果，可自行改造。改造时需要注意的是首先要将epDP、epMCMC、epEnumer变成0/1二值，而且要保证结果是有向无环图（即先设置域值二值化，然后结合原值与二值化的结果进行二次处理保证其为有向无环图）。可以使用以下函数检测结果是否为有向无环图：

function NotDAG = IsDAG(DAG)
%检测矩阵DAG是否表示一个有向无环图(Directed Acyclic Graph,DAG)
%输出为1表示输入矩阵DAG不是一个有向无环图tmp_DAG=DAG;NotDAG = 0;nNodes = size(DAG,1);order=zeros(1,nNodes);    selected=[];    for i=1:nNodesb=(sum(tmp_DAG)==0);idx=find(b);idx=setdiff(idx,selected);if(isempty(idx))NotDAG =1;disp('The graph is not a directed acyclic graph, please check again.');break;else            idx=idx(1);order(1,idx)=i;endtmp_DAG(idx,:)=0;selected=[selected,idx];end
end

若输出为0则表示是有向无环图，若输出为1则表示不是有向无环图。

贝叶斯网络结构学习（基于BDAGL工具箱的MATLAB实现）相关推荐

贝叶斯网络结构学习之K2算法（基于FullBNT-1.0.4的MATLAB实现）
题目:贝叶斯网络结构学习之K2算法(基于FullBNT-1.0.4的MATLAB实现) 有关贝叶斯网络结构学习的一基本概念可以参考:贝叶斯网络结构学习方法简介有关函数输入输出参数的解释可以参考:贝叶 ...
基于搜索的贝叶斯网络结构学习算法-K2
部分内容取自:[Cooper and Herskovits, 1991] Cooper, G. and Herskovits, E. (January, 1991). A Bayesian metho ...
贝叶斯网络结构学习若干问题解释
题目:贝叶斯网络结构学习若干问题解释本篇主要为后续讲解具体结构学习算法打基础,共解释以下几个问题: 1.用于贝叶斯网络结构学习的数据集如何存储? 2.学得的贝叶斯网络结构如何存储? 3.什么是节点顺 ...
贝叶斯网络结构学习之连续参数处理方法
题目:贝叶斯网络结构学习之连续参数处理方法注:本文有更新,参见<有关属性离散化算法CACC的补充说明>和<有关属性离散化算法CACC的再次补充说明>.以下为原文: 首先必须说 ...
R语言做贝叶斯网络结构学习
文章目录本文使用pcalg包做贝叶斯网络结构的学习 #实例分析 ##pcalg包的安装安装pcalg包时由于有些依赖包已经被CRAN撤掉,所以安装起来有些技巧. 以下是安装代码: install. ...
贝叶斯深度学习——基于PyMC3的变分推理
时间 2016-06-12 10:13:38CSDN 原文 http://geek.csdn.net/news/detail/80255 主题深度学习 PyMC3 原文链接: Bayesian D ...
贝叶斯网络结构学习方法
文章目录 1. 完备数据的结构学习基于评分搜索定义评分函数基于贝叶斯统计的评分 K2评分 BD(Bayesian Dirichlet)评分 BDeu(Bayesian Dirichlet eu ...
贝叶斯网络学习总结与中科院…
原文地址:贝叶斯网络学习总结与中科院贝叶斯网络视频教程下载作者:jiang-19861112 贝叶斯网络结构学习总结贝叶斯网络视频下载网址:http://www.abab123.com/bbs/d ...
【因果学习】贝叶斯网络结构学习方法
随机对照试验是发现因果关系的黄金准则,然而现实世界中很多问题往往由于道德伦理的原因不允许我们设置干预进行试验,这就引发了在观测数据上学习因果关系的需求.贝叶斯网络是概率论与图论相结合的产物,它用图 ...

贝叶斯网络结构学习（基于BDAGL工具箱的MATLAB实现）

贝叶斯网络结构学习（基于BDAGL工具箱的MATLAB实现）相关推荐

最新文章

热门文章