bnlearn包R中的NA/NaN值

Question

我正在使用R中的bnlearn包来处理Bayesian networks中的大量数据。这些变量是离散的，有300多万次观测。利用bn.fit函数可以很容易地得到条件概率分布。但是，有些变量具有未观察到的值​​(即NA或​​)。

在一些测试中，我得到了这个：

nw.fit <-bn.fit (nw, date, method = 'bayes') 

Error in check.data (date): the data set contains NULL/NaN/NA values​​. 

那么，如何处理这些数据并得到条件概率分布呢？

有人能帮我吗？

谢谢!

Answer 1

catnet包可以处理丢失的数据，并且是针对离散数据设计的。

您可以使用cnProb(bnet )获得条件概率。

下面是一个例子

rm(list=ls())

### generate random data (not simply independent binomials)
set.seed(123)
n.obs <- 10
a1 <- rbinom(n.obs,1,.3)
a2 <- runif(n.obs)
a3 <- floor(-3*log(.25+3*a2/4))
a3[a3>=2] <- NA
a2 <- floor(2*a2)
my.data <- data.frame(a1,a2,a3 )
### discretize data into proper categories
my.data <- cnDiscretize(my.data,numCategories=2)

my.data
##    a1 a2 a3
## 1   1  2  1
## 2   2  1  2
## 3   1  2  1
## 4   2  2  2
## 5   2  1 NA
## 6   1  2  1
## 7   1  1 NA
## 8   2  1 NA
## 9   1  1 NA
## 10  1  2  1

## say we want a2 conditional on a1,a3

## first generate a network with a1,a3 ->a2
cnet <- cnNew(
          nodes = c("a1", "a2", "a3"),
          cats = list(c("1","2"), c("1","2"), c("1","2")),
          parents = list(NULL, c(1,3), NULL)
          )


## set the empirical probabilities from data=my.data
cnet2 <- cnSetProb(cnet,data=my.data)

## to get the conditional probability table
cnProb(cnet2,which='a2')

##$a2
##         a1        a3         0         1
## A 0.0000000 0.0000000 0.0000000 1.0000000
## B 0.0000000 1.0000000 0.5712826 0.4287174
## A 1.0000000 0.0000000 0.0000000 1.0000000
## B 1.0000000 1.0000000 0.5685786 0.4314214

Answer 2

有些变量有近100万的未观测值。这是很多只是删除他们。所以我想继续讲NAs。下面有一个数据的小例子

 A  B   C   D   E   F   G
 1  1   2   2   NA  2   1
 0  1   2   2   1   3   3
 1  3   1   1   NA  2   2
 0  3   1   1   1   2   1
 0  4   1   1   1   2   3

Answer 3

按照bnlearn的所有者: Marco提到的这里，解决方案似乎是对缺失的值进行EM估算。

正如@pes前面所指出的，如果所有变量都是绝对的，catnet是一个可以使用的包。

第三种选择是删除缺少值的行，或者使用样条技术(另一组MV计算)。