Bnlearn:预测多节点值

Question

我正在使用一个r包"bnlearn“来使用我构建的bayes网：

bn.gs <- gs(x = dat, cluster = NULL, whitelist = wl, blacklist = bl, test = NULL, alpha = 0.05, B = NULL, debug = FALSE, optimized = TRUE, strict = FALSE, undirected = FALSE)

它给了我一个很好的情节，一切似乎都很顺利。所有变量都是连续的，介于-1和1之间。喂养变量(那些没有父母)生成如下(N = 1000)：

A <- runif(N, min=-1, max=1)

假设我的变量是A，B，.我知道C，G和M的值，现在我想预测其余节点的值(A，B，D，.)给定C、G和M，就我而言，预测()一次只为一个节点工作。

是否有一种同时预测多个节点的方法，还是应该通过对每个节点在时间上应用预测()来得到正确的值？考虑到“C”的值，我已经尝试预测节点"A“的值：

predict(bn.gs, node = "A", testdata, debug = TRUE)

其中testdata是此表单中的数据框架：

A    B    C    D    E    ...
0.0  0.0  0.7  0.0  0.0  ...

但我明白了：

* predicting values for node A.
  > prediction for observation 1 is nan with predictor:
    (0.000000) + (0.000000) * (nan) + (0.000000) * (nan)
[1] NA

我肯定我在这里做错了什么。在我的网络中有弧C -> S -> A.还有“nan”是奇怪的，因为我的网络应该定义得很好。

谢谢:)。

Answer 1

为了防止其他人也能找到答案，我用rbmn包解决了这个问题。在使用bnlearn创建了一个十亿个对象之后，我做了以下工作：

my.bn.par <- bn.fit(x = bn.gs, data = dat)

library("rbmn")

my.bn.par.rbmn <- bnfit2nbn(my.bn.par)
print8nbn(my.bn.par.rbmn)
my.bn.par.mn <- nbn2mn(my.bn.par.rbmn)

# This is the names vector for my nodes:
names <- c("A","B","C","D","E")

# Names of given variables
obsnames <- c("C","E")

# Values for given variables
obsval <- c(0.51,-0.24)

# Names of variables to be predicted
prednames <- setdiff(names, obsnames)

# Then predict all the unknown variables
print8mn(condi4joint(my.bn.par.mn, par = prednames, pour = obsnames, x2 = obsval))

这种方法是在Marco的书“贝叶斯网络”中提出的。