fullbnt使用中bnet中CPD查看方法与输入证据后节点查询方法

最新推荐文章于 2021-02-01 10:56:47 发布

fairypwq

最新推荐文章于 2021-02-01 10:56:47 发布

阅读量1.7k

点赞数

CC 4.0 BY-SA版权

分类专栏： matlab 文章标签： fullbnt matlab bnet

本文链接：https://blog.youkuaiyun.com/fairypwq/article/details/27563379

matlab 专栏收录该内容

3 篇文章

订阅专栏

本文深入探讨了贝叶斯网络中参数学习与应用的关键步骤，包括使用learn_param学习样本得到网络参数后如何正确使用CPD_to_CPT进行参数展示，并通过enter_evidence输入证据后如何使用marginal_nodes查询节点概率表。详细解析了代码实现及运行结果，为读者提供了一站式的学习指南。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、使用learn_param学习样本得到网络参数后，不能直接使用bnet.CPD查看网络参数，使用bnet.CPD.CPT也是错误的写法。

正确的使用方法是使用CPD_to_CPT将CPD转化为CPT表格的形式显示出来。

bnet = learnparam(ret{1,1},ret{1,2},ret{1,3},ret{1,4},ret{1,9});
T = bnet.CPD;
T2= CPD_to_CPT(T{1,1})
运行结果如下：
T2 =

    0.4930
    0.5070

2、使用enter_evidence输入证据后，用marginal_nodes查询节点概率表：

for i = 1:n
    marg = marginal_nodes(engine, result_nodes(1,i), 1    result_p{i,1} = marg.T;
end
disp(cell2array(result_nodes));
运行结果如下：
    0.0481    0.9519
    0.0865    0.9135
    0.5000    0.5000
    0.5000    0.5000

其中cell2array源代码如下：

function array = cell2array(cell)
[m, ~] = size(cell);
maxcol = zeros(m,1);
for i = 1:m
    maxcol(i,1) = size(cell{i,1},1);
end
n = max(maxcol);
%n = size(cell{1,1});
array = zeros(m, n);
for i = 1:m
    array(i,:) = cell2num(cell(i,1));
end
end