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 ...

【大数据部落】r语言使用rjags R2jags建立贝叶斯模型