您如何正确解释 gRain - "querygrain" 函数结果？潜在的错误纠正

问题描述

我正在使用贝叶斯网络。 学习参数后，我在使用 gRain 包中的 setEvidence 函数时遇到了一些麻烦。

数据： https://drive.google.com/file/d/1Cmpz5efBQleb0edmavjWIois4e8Ui8xL/view?usp=sharing

Libray(bnlearn)

#Discreditizing and structure learning:

dsachs <- discretize (sachs.data,method = "hartemink",breaks = 3,ibreaks = 60,idisc = "quantile")
boot <- boot.strength(dsachs,R = 500,algorithm = "hc",algorithm.args = list(score = "bde",iss=10))
avg.boot <- averaged.network (boot,threshold = 0.85)
graphviz.plot(avg.boot)
bnlearn::score(avg.boot,dsachs,type = "bde")

# Parameter learning and predictions----
fitted <- bn.fit (avg.boot,method = "bayes")
fitted

library(gRain)
jtree <- compile (as.grain (fitted))


# CTP of p44.42
querygrain (jtree,nodes = "p44.42")$p44.42
querygrain (jtree,nodes = "pakts473")$pakts473

# Pakts473 | p44.42
jlow <- setEvidence(jtree,nodes = c("p44.42"),states = c("15.3,25.3"))
querygrain (jlow,nodes = "pakts473")$pakts473

如下图所示Pakts473的概率| p44.42 与单独 p44.42 的 CPT 相同。

我被要求讨论 p44.42 中有多少变化会影响 pakts473。 解释如图所示的结果，我会说 pakts473 不受影响。

如果您了解这方面的知识，我会很感激您就如何解释这些结果或某处是否确实存在错误提供反馈。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）