【大数据部落】r语言使用rjags R2jags建立贝叶斯模型
原文链接:http://tecdat.cn/?p=2857
原文出处:拓端数据部落公众号
本文是通过对area,perimeter,campactness几个变量的贝叶斯建模,来查看他们对groovelength这个变量的影响.
并且对比rjags R2jags和内置贝叶斯预测函数的结果。
读取数据
seed=read.csv("seeds_dataset.csv")
seed=seed[,1:7]
查看数据的结构
str(seed)'data.frame': 209 obs. of 7 variables:$ area : num 14.9 14.3 13.8 16.1 14.4 ...$ perimeter : num 14.6 14.1 13.9 15 14.2 ...$ campactness : num 0.881 0.905 0.895 0.903 0.895 ...$ length : num 5.55 5.29 5.32 5.66 5.39 ...$ width : num 3.33 3.34 3.38 3.56 3.31 ...$ asymmetry : num 1.02 2.7 2.26 1.35 2.46 ...$ groovelength: num 4.96 4.83 4.8 5.17 4.96 ...
建立回归模型
Residuals:Min 1Q Median 3Q Max -0.66375 -0.10094 0.00175 0.11081 0.45132 Coefficients:Estimate Std. Error t value Pr(>|t|) (Intercept) 19.46173 2.45031 7.943 1.29e-13 ***area 0.49724 0.08721 5.701 4.10e-08 ***perimeter -0.63162 0.18179 -3.474 0.000624 ***campactness -14.05218 1.34325 -10.461 < 2e-16 ***---Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Residual standard error: 0.1608 on 205 degrees of freedomMultiple R-squared: 0.895, Adjusted R-squared: 0.8934 F-statistic: 582.4 on 3 and 205 DF, p-value: < 2.2e-16
从回归模型的结果来看,三个自变量对因变量都有显著的意义。其中,area有正向的影响。而其他两个变量是负向的影响。从r方的结果来看,达到了0.895,模型具有较好的解释度。
建立贝叶斯回归模型
Bayesian analysisWith bayesglmDeviance Residuals: Min 1Q Median 3Q Max -0.66331 -0.09974 -0.00002 0.11110 0.44841 Coefficients:Estimate Std. Error t value Pr(>|t|) (Intercept) 18.90538 2.41549 7.827 2.63e-13 ***area 0.47826 0.08604 5.559 8.40e-08 ***perimeter -0.59252 0.17937 -3.303 0.00113 ** campactness -13.74353 1.32463 -10.375 < 2e-16 ***---Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1(Dispersion parameter for gaussian family taken to be 0.02584982)Null deviance: 50.4491 on 208 degrees of freedomResidual deviance: 5.2992 on 205 degrees of freedomAIC: -164.91Number of Fisher Scoring iterations: 6
从内置贝叶斯模型的结果来看,3个变量同样是非常显著,因此模型的结果和回归模型类似。然后我们使用BUGS/JAGS软件包来建立贝叶斯模型
使用 BUGS/JAGS软件包来建立贝叶斯模型
建立贝叶斯模型
jags(model.file='bayes.bug',parameters=c("area","perimeter","campactness","int"),data = list('a' = seed$area, 'b' = seed$perimeten.cha
查看模型结果:
module glm loadedCompiling model graphResolving undeclared variablesAllocating nodesGraph information:Observed stochastic nodes: 209Unobserved stochastic nodes: 5Total graph size: 1608Initializing modelbb <- jags1$BUGSoutput 提取“ BUGS输出”
mm <- as.mcmc.bugs(bb) 将其转换为coda可以处理的“ mcmc”对象
plot(jags1) 绘制图像
从上面的图中,我们可以看到自变量的中位数和置信区间。从置信区间来看,各个变量的取值和贝叶斯模型的结果类似。贝叶斯结果的值全部落入在了置信区间内。
然后绘制每次迭代中各个变量参数的轨迹图
trace + density #轨迹图
可以看到每个变量的参数都在一定区间内波动。同时可以看到误差在一定的迭代次数之后趋于收敛。
然后绘制每个变量参数的密度图 prettier density plot
可以看到每个变量的参数的密度分布近似于正态分布。同时我们可以看到分布的均值和贝叶斯模型,得到的结果类似。
然后绘制每个变量参数的置信区间 estimate + credible interval plot
从结果来看,可以看到各个变量参数的置信区间,campatness和int的置信区间较大,而其他两个变量的置信区间较小。
从上面的实验结果对比,我们可以看到,三个自变量对因变量均有重要的影响。area,perimeter,campactness几个变量他们对groovelength这个变量均有重要的影响。同时我们可以认为回归模型的结果和贝叶斯模型的结果相似。然后我们使用rjags&R2jags软件包来对数据进行贝叶斯型的建立,从结果来看,同样和之前得到的模型结果相差不大。并且我们通过模型的迭代,可以得到每个参数的置信区间。
最受欢迎的见解
1.matlab使用贝叶斯优化的深度学习
2.matlab贝叶斯隐马尔可夫hmm模型实现
3.R语言Gibbs抽样的贝叶斯简单线性回归仿真
4.R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归
5.R语言中的Stan概率编程MCMC采样的贝叶斯模型
6.Python用PyMC3实现贝叶斯线性回归模型
7.R语言使用贝叶斯 层次模型进行空间数据分析
8.R语言随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型
9.matlab贝叶斯隐马尔可夫hmm模型实现
【大数据部落】r语言使用rjags R2jags建立贝叶斯模型相关推荐
- 大数据之R语言速成与实战
什么是R语言? R语言由新西兰奥克兰大学的Ross Ihaka和Robert Gentleman两人共同发明.其词法和语法分别源自Scheme和S语言. R定义:一个能够自有有效的用于统计计算和绘图的 ...
- R语言用逻辑回归建立用户付费模型
原文链接:http://tecdat.cn/?p=967 对于某企业新用户,会利用大数据来分析该用户的信息来确定是否为付费用户,弄清楚用户属性,从而针对性的进行营销,提高运营人员的办事效率(点击文末& ...
- R语言垃圾邮件分类--朴素贝叶斯(机器学习)
邮件分类练习–朴素贝叶斯 思路 数据导入 数据处理 构建训练集和测试集 词云展示 数据降维 训练模型 模型测试 提升模型 一.数据导入 文件目录为:C:\Users\kelanj\Documents\ ...
- 经典书单、站点 —— 大数据/数据分析/R语言
1. 科普.入门 <大数据智能>,刘知远.崔安顺等著: 特色:系统,宏观和全面: 2. R 语言站点 http://langdawei.com/:R 语言数据采集与可视化:
- 使用R语言的BNLearn包实现贝叶斯网络
转载自:http://f.dataguru.cn/thread-301701-1-1.html 1. 加载程序包导入数据 library(bnlearn) #CRAN中有,可以直接用install. ...
- 离线轻量级大数据平台Spark之MLib机器学习库朴素贝叶斯实例
1.朴素贝叶斯介绍 表示事件B已经发生的前提下,事件A发生的概率,叫做事件B发生下事件A的条件概率,公式为: 贝叶斯定理: 从已知P(A|B)获得P(B|A)值. 假设A和B代表两类互相影响的事件,如 ...
- R语言用WinBUGS 软件对学术能力测验建立层次(分层)贝叶斯模型
全文下载链接:http://tecdat.cn/?p=11974 R2WinBUGS软件包提供了从R调用WinBUGS的便捷功能.它自动以WinBUGS可读的格式写入数据和脚本,以进行批处理(自1.4 ...
- 《数据科学R语言实践:面向计算推理与问题求解的案例研究法》一一2.5 为跨年度的个人参赛选手构造记录...
本节书摘来自华章计算机<数据科学R语言实践:面向计算推理与问题求解的案例研究法>一书中的第2章,第2.5节,作者:[美] 德博拉·诺兰(Deborah Nolan) 邓肯·坦普·朗(Dun ...
- 数据科学r语言_您应该为数据科学学习哪些语言?
数据科学r语言 Data science is an exciting field to work in, combining advanced statistical and quantitativ ...
- 大数据场景中语言虚拟机的应用和挑战
点击上方蓝字关注我们 大数据场景中语言虚拟机的应用和挑战 吴明瑜1,2, 陈海波1,2, 臧斌宇1,2 1 领域操作系统教育部工程研究中心,上海 200240 2 上海交通大学软件学院并行与分布式系统 ...
最新文章
- 完全企业虚拟化方案-Total Enterprise Virtualization
- centos lamp 连接mysql_centOS下lamp安装
- 把二叉搜索树转换为累加树
- django中html中图片路径怎么写,django css样式,图片路径问题解决方案
- 概率机器人总结——(扩展)卡尔曼滤波先实践再推导
- django:资源网站汇总
- spring mvc学习(44):springMVC运行原理
- 罗永浩回归!将开秋季旧机发布会:与iPhone 12同一天
- 安装完Anaconda python 3.7,想使用python3.6方法
- 老板看似表面风光,可能还没有员工赚得多
- WPS国际版2019 中文
- 夏昕的3部开发手册.- -
- Spring Boot Shiro原理系列
- AndroidStudio下建立libs、raw、、assets、selector、shape、anim、存放so
- 微信小程序进度条组件自定义数字_微信小程序小技巧系列《十三》多级联动,自定义圆形进度条 ... ......
- 程序存储器编址及程序执行顺序
- 制造上云 佛山南海携手阿里云建创新中心
- 有关PS中图片不能解锁问题
- 脚踏实地,不要飘忽不定
- archivelog模式和flashback db以及guarantee restore point之间的相互制约关系!
热门文章
- 配置Spring的用于解决懒加载问题的过滤器
- JVM、JRE、JDK、java ee sdk with jdk四者的区别
- 中国互联网关于阿里未来预测:这盘大期如何走
- spring3.0学习之环境搭建
- Phoenix=HBase+SQL,让HBase插上了翅膀
- Santander Customer Transaction Prediction(2)
- 数据-第8课-线性表的链式存储结构(未)
- 通过OAuth方式与docker hub v2 API交互
- 只有低价才是中国智能硬件的出路吗?
- Python基础(十): 函数的基本概念