我想建立一個(gè)離散的貝葉斯網(wǎng)絡(luò)(pymc.分類(lèi))依賴(lài)于其他分類(lèi)變量的變量。

作為一個(gè)simplest的例子，假設(shè)變量a和b是范疇的，并且b依賴(lài)于a

這里嘗試用pymc編碼它(假設(shè)a取三個(gè)值中的一個(gè)，b取四個(gè)值中的一個(gè))。其想法是，CPT分布將從使用pymc的數(shù)據(jù)中學(xué)習(xí)。在import numpy as np

import pymc as pm

aRange = 3

bRange = 4

#make variable a

a = pm.Categorical('a',pm.Dirichlet('aCPT',np.ones(aRange)/aRange))

#make a CPT table as an array of

CPTLines = np.empty(aRange, dtype=object)

for i in range(aRange):

CPTLines[i] = pm.Dirichlet('CPTLine%i' %i,np.ones(bRange)/bRange)

#make a deterministic node that holds the relevant CPT line (dependent on state1)

@pm.deterministic

def selectedCPTLine(CPTLines=CPTLines,a=a):

return CPTLines[a]

#make a node for variable b

b=pm.Categorical('b', selectedCPTLine)

model = pm.MCMC([a, b, selectedCPTLine])

如果我們畫(huà)這個(gè)模型，它看起來(lái)像this

但是，運(yùn)行此代碼時(shí)會(huì)出現(xiàn)錯(cuò)誤：

^{pr2}$

顯然，pymc可以將Dirichlet變量作為范疇變量的參數(shù)。

當(dāng)范疇變量得到一個(gè)Dirichlet變量作為參數(shù)時(shí)，它知道期望一個(gè)k-1概率向量，假設(shè)第k個(gè)概率和向量為1。然而，當(dāng)Dirichlet變量是一個(gè)確定性變量的輸出時(shí)，這個(gè)問(wèn)題就失效了，我需要做一個(gè)CPT。在

我這樣做對(duì)嗎？如何解決表征不匹配問(wèn)題？我應(yīng)該提到，我對(duì)pymc和Python比較陌生。在

總結(jié)

以上是生活随笔為你收集整理的python贝叶斯网络预测天气_基于pym的贝叶斯网络条件概率表的生成的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。