Matlab贝叶斯工具箱BNT建模

采用matlab的贝叶斯工具箱BNT完成以下“过劳死”问题的建模。

使用BNT工具箱中的贝叶斯结构、参数学习命令。

（t=ture; f=false）

参数学习代码：

%高级人工智能%

%BNT的参数学习%

N=5; %四个节点分别是国家政策C,学校政策U,工作压力大W,身体状况差B，过劳死D

dag=zeros(N,N); %网络连接矩阵初始化

C=1;U=2;W=3;B=4;D=5; %初始化节点顺序

dag(C,U)=1; %定义节点之间的连接关系

dag(U,[W B])=1;

dag(W,D)=1;

dag(B,D)=1;

discrete_nodes=1:N; %离散节点

node_sizes=2*ones(1,N); %节点状态数

%建立网络架构

bnet=mk_bnet(dag,node_sizes,'names',{'国家政策（C）','学校政策（U）','工作压力大（W）','身体状况差（B）','过劳死（D）'},'discrete',discrete_nodes);

%手工构造条件概率CPT表

bnet.CPD{C} = tabular_CPD(bnet,C,[0.5 0.5]);

bnet.CPD{U} = tabular_CPD(bnet,U,[0.95 0.01 0.05 0.99]);

bnet.CPD{W} = tabular_CPD(bnet,W,[0.9 0.05 0.1 0.95]);

bnet.CPD{B} = tabular_CPD(bnet,B,[0.3 0.01 0.7 0.99]);

bnet.CPD{D} = tabular_CPD(bnet,D,[0.335 0.3 0.05 0 0.665 0.7 0.95 1]);

%画出建立好的贝叶斯网络

figure

draw_graph(dag)

%手动构造样本数据samples：

nsamples=20000;

samples=cell(N,nsamples);

for i=1:nsamples

samples(:,i)=sample_bnet(bnet);

end

data=cell2num(samples);

bnet2 = mk_bnet(dag,node_sizes,'discrete',discrete_nodes);

%手动构造条件概率表cpt

seed=0;

rand('state',seed);

bnet2.CPD{C}=tabular_CPD(bnet2,C);

bnet2.CPD{U}=tabular_CPD(bnet2,U);

bnet2.CPD{W}=tabular_CPD(bnet2,W);

bnet2.CPD{B}=tabular_CPD(bnet2,B);

bnet2.CPD{D}=tabular_CPD(bnet2,D);

%手动构造得到的样本作为训练集代入learn_params()函数进行学习

bnet3=learn_params(bnet2,data);

%查看学习后的参数

CPT3=cell(1,N);

for i=1:N

s=struct(bnet3.CPD{i});

CPT3{i}=s.CPT;

end

fprintf('输出学习后的过劳死节点参数：\n');

dispcpt(CPT3{5});

%查看原来节点参数后的参数

CPT=cell(1,N);

for i=1:N

s=struct(bnet.CPD{i});

CPT{i}=s.CPT;

end

fprintf('输出真实的过劳死节点参数：\n');

dispcpt(CPT{5});

运行结果：

ans =

0.4500 0.5500 0.2833 0.6167 0.5500

输出学习后的过劳死节点参数：

1 1 : 0.3233 0.6767

2 1 : 0.2458 0.7542

1 2 : 0.0488 0.9512

2 2 : 0.0000 1.0000

输出真实的过劳死节点参数：

1 1 : 0.3350 0.6650

2 1 : 0.3000 0.7000

1 2 : 0.0500 0.9500

2 2 : 0.0000 1.0000

结构学习代码：

N=5;%四个节点分别是国家政策C,学校政策U,工作压力大W,身体状况差B，过劳死D

dag=zeros(N,N);%网络连接矩阵初始化

C=1;U=2;W=3;B=4;D=5;%初始化节点顺序

dag(C,U)=1;%定义节点之间的连接关系

dag(U,[W B])=1;

dag(W,D)=1;

dag(B,D)=1;

discrete_nodes=1:N;%离散节点

node_sizes=2*ones(1,N);%节点状态数

%建立网络架构

bnet=mk_bnet(dag,node_sizes,'names',{'国家政策（C）','学校政策（U）','工作压力大（W）','身体状况差（B）','过劳死（D）'},'discrete',discrete_nodes);

%手工构造条件概率CPT表

bnet.CPD{C} = tabular_CPD(bnet,C,[0.5 0.5]);

bnet.CPD{U} = tabular_CPD(bnet,U,[0.95 0.01 0.05 0.99]);

bnet.CPD{W} = tabular_CPD(bnet,W,[0.9 0.05 0.1 0.95]);

bnet.CPD{B} = tabular_CPD(bnet,B,[0.3 0.01 0.7 0.99]);

bnet.CPD{D} = tabular_CPD(bnet,D,[0.335 0.3 0.05 0 0.665 0.7 0.95 1]);

%画出建立好的贝叶斯网络

% figure

% draw_graph(dag)

%手动构造样本数据samples：

nsamples=2000;

samples=cell(N,nsamples);

for i=1:nsamples

samples(:,i)=sample_bnet(bnet);

end

data=cell2num(samples);

%结构学习

order=[1 2 3 4 5]; % 节点次序

ns=[2 2 2 2 2]; % 节点属性值的个数

max_fan_in=2; % 最大父节点数目

dag2 = learn_struct_K2(data,ns,order,'max_fan_in',max_fan_in);

bnet2=mk_bnet(dag2,node_sizes,'names',{'国家政策（C）','学校政策（U）','工作压力大（W）','身体状况差（B）','过劳死（D）'},'discrete',discrete_nodes);

%手工构造条件概率CPT表

bnet2.CPD{C} = tabular_CPD(bnet2,C,[0.5 0.5]);

bnet2.CPD{U} = tabular_CPD(bnet2,U,[0.95 0.01 0.05 0.99]);

bnet2.CPD{W} = tabular_CPD(bnet2,W,[0.9 0.05 0.1 0.95]);

bnet2.CPD{B} = tabular_CPD(bnet2,B,[0.3 0.01 0.7 0.99]);

bnet2.CPD{D} = tabular_CPD(bnet2,D,[0.335 0.3 0.05 0 0.665 0.7 0.95 1]);

figure

draw_graph(dag); %画出建立好的贝叶斯网络

CPT2=cell(1,N);

for i=1:N

s=struct(bnet2.CPD{i});

CPT2{i}=s.CPT;

end

fprintf('输出结构学习之后过劳死节点参数：\n');

dispcpt(CPT2{5});

运行结果：

输出结构学习之后过劳死节点参数：

1 1 : 0.3350 0.6650

2 1 : 0.3000 0.7000

1 2 : 0.0500 0.9500

2 2 : 0.0000 1.0000

Matlab贝叶斯工具箱BNT建模相关推荐

使用MATLAB贝叶斯工具箱(BNT)，进行吉布斯采样(Gibbs Sampling)之前需要做的编译工作...
使用BNT(Bayesian Networks Toolbox)进行推断时,内置了吉布斯采样算法(即gibbs_sampling_inf_engine),但是如果调用这个引擎做推断会报错.报错内容大概 ...
matlab2016a贝叶斯工具箱,matlab贝叶斯工具箱
matlab贝叶斯工具箱是由Kevin Murphy开发的编程学习工具,该工具采用MATLAB语言编制,可实现贝叶斯网络结构学习.参数学习.推理和构建贝叶斯分类器,此工具箱在贝叶斯学习编程方面非常灵活 ...
matlab 贝叶斯工具箱,matlab的BNT贝叶斯工具箱错误求教
该楼层疑似违规已被系统折叠隐藏此楼查看此楼麻烦各位做贝叶斯网络的朋友帮我看看..谢谢了. function [engine, loglik] = enter_evidence(engine, ev ...
Matlab贝叶斯工具箱函数冲突、函数或变量无法识别、箭头无法显示的解决办法
警告: 函数 assert 与某个 MATLAB 内置函数同名.建议您重命名该函数以避免潜在的名称冲突. 位置:path (第 109 行) 位置: addpath (第 86 行) 要不就是各种函数 ...
matlab贝叶斯编程代码,bnt 基于matlab的贝叶斯工具箱各种程序与算法，在网络编程中作为调用 238万源代码下载- www.pudn.com...
文件名称: bnt下载收藏√ [ 5 4 3 2 1 ] 开发工具: Others 文件大小: 12067 KB 上传时间: 2014-03-12 下载次数: 1 详细说明:基于matla ...
安装matlab贝叶斯网络工具箱
安装matlab贝叶斯网络工具箱下载工具箱安装工具箱安装matlab贝叶斯网络工具箱 1. 下载工具箱下载链接: 官方下载:http://www.cs.ubc.ca/~murphyk/Soft ...
pymc3 贝叶斯线性回归_使用PyMC3进行贝叶斯媒体混合建模，带来乐趣和收益
pymc3 贝叶斯线性回归 Michael Johns, Zhenyu Wang, Bruno Dupont, and Luca Fiaschi 迈克尔·约翰斯,王振宇,布鲁诺·杜邦和卢卡·菲亚斯基 ...
贝叶斯思维统计建模的Python学习法pdf
下载地址:网盘下载编辑推荐贝叶斯方法正在变得越来越常见与重要,但是却没有太多可以借鉴的资料来帮助初学者.基于Allen Downey在大学讲授的本科课程,本书的计算方法能帮助你获得一个良好的开端. ...
matlab bnt,matlab的BNT贝叶斯工具箱错误求教
该楼层疑似违规已被系统折叠隐藏此楼查看此楼麻烦各位做贝叶斯网络的朋友帮我看看..谢谢了. function [engine, loglik] = enter_evidence(engine, ev ...

Matlab贝叶斯工具箱BNT建模

Matlab贝叶斯工具箱BNT建模相关推荐

最新文章

热门文章