贝叶斯网络中一个节点的条件概率修改（R代码）答案

【问题标题】：conditional probability modification of one node in Bayesian network (R code)贝叶斯网络中一个节点的条件概率修改（R代码）
【发布时间】：2020-11-02 05:03:25
【问题描述】：

在估计贝叶斯网络中的条件概率后，我问了一个节点（“Inlet_gas_total_pressure”）的概率如下；

bn.mle.before$"Inlet_gas_total_pressure"

节点Inlet_gas_total_pressure的参数（多项分布）

条件概率表：

      no      yes 
0.843127 0.156873 

bn.mle.before$"Inlet_gas_total_pressure"$prob

      no      yes 
0.843127 0.156873

我想将“是”的概率值从 0.156873 更改为 0.4。
我怎样才能做到这一点？以下是我的试验，但失败了。

bn.mle.before$"Inlet_gas_total_pressure" <- list(prob=c("no"=0.6, "yes"=0.4))

check.fit.dnode.spec(value, node = name) 中的错误：节点Inlet_gas_total_pressure的条件概率分布必须是表、矩阵或多维数组。

请帮帮我。

【问题讨论】：

错误提示它不应该是一个列表。看看str(bn.mle.before$"Inlet_gas_total_pressure")，看看它是什么类型的对象，甚至是dput(bn.mle.before$"Inlet_gas_total_pressure")，然后用同样的方法构造你的新表

标签： r bayesian-networks

【解决方案1】：

我遇到了同样的问题。下面是一些玩具示例，将向您展示如何挽救这一天。

library(bnlearn)
Learning.set4=cbind(c("Yes","Yes","Yes","No","No","No"),c("Blue","Green","Blue","Green","Green","Green"),c(9,10,8,3,2,1))
Learning.set4=as.data.frame(Learning.set4)
Learning.set4[,c(3)]=as.numeric(as.character(Learning.set4[,c(3)]))
colnames(Learning.set4)=c("Cause1","Cause2","Cons")
b.network=empty.graph(colnames(Learning.set4))
struct.mat=matrix(0,3,3)
colnames(struct.mat)=colnames(Learning.set4)
rownames(struct.mat)=colnames(struct.mat)
struct.mat[2,3]=1
struct.mat[1,3]=1
bnlearn::amat(b.network)=struct.mat
haha=bn.fit(b.network,Learning.set4)

print(haha$Cause1$prob)

T=haha$Cause1$prob
T[[1]]=0.8
T[[2]]=0.2

haha$Cause1=T
print(haha$Cause1$prob)

我已成功更改节点 Cause1 的概率

干杯

【讨论】：

非常感谢您的帮助。我会试试。祝你有美好的一天！
没问题。我的方法有点笨拙，即使它有效。如果有人有更好的解决方案，我很乐意使用它。干杯

【解决方案2】：

# a similar example

fit=bn.fit(dag,traindata)

# Below I want to set any zero prob to something small

for (i in 1:10) {
  my=fit[[i]]
  idx=which(my$prob==0)
  if (length(idx)>0){
    for (j in idx ) {
      my$prob[[j]]=0.001
      my$prob[[j-1]]=1-0.001
    }
  }
  fit[i]=list(my)
}

【讨论】：