问题描述
我正在使用 R 包 bnlearn
了解动态贝叶斯网络模型。为此,我遵循 this paper,他们以 6 层的形式施加了某些约束(论文中的表 1):
1 Gender,age at ALS onset
2 Onset site,onset delta (start of the trial - onset)
3 Riluzole intake,placebo/treatment
4 Variables at time t-1
5 Variables at time t,TSO
6 Survival
在此示例中,由于 gender
和 age
位于顶层,因此它们不受 Riluzole intake
的影响,但会影响(或具有因果关系)Riluzole intake
并最终survival
。这保证了网络的非循环性,即我们在变量之间没有无止境的反馈循环。
我的问题是,我们如何使用 R 包 bnlearn
对此类先验知识进行建模。
解决方法
您可以通过多种方式将领域知识或约束添加到结构化学习中。
-
如果您想使用领域知识指定网络结构和参数,您可以使用
custom.fit
手动构建网络。 如果您想从数据中估计 BN 的结构,那么您可以使用结构学习算法中的
whitelist
和blacklist
参数对边缘方向和边缘存在施加约束。-
先验可以放置在结构学习的边缘上(例如
prior="cs"
,其中“如果先验是 cs,beta 是一个数据框,其中的列 from、to 和 prob 指定了先验一组弧的概率。假设其余弧的概率分布均匀。")。 There are other priors that can be used.