1 / 17

Exercícios

Exercícios. Java Bayes Embayes/R. 1. JavaBayes 0.4. Iniciar JavaBayes 0.4 Criação de nova rede Nós Arcos Probabilidades. Nós e arcos. Edit node. Edição de probabilidades. Edição de probabilidades. Consultas à rede. Probabilidade posterior, sem observações: Ouvir latidos

venetia-natasha
Download Presentation

Exercícios

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Exercícios Java Bayes Embayes/R

  2. 1. JavaBayes 0.4 • Iniciar JavaBayes 0.4 • Criação de nova rede • Nós • Arcos • Probabilidades

  3. Nós e arcos Edit node

  4. Edição de probabilidades

  5. Edição de probabilidades

  6. Consultas à rede • Probabilidade posterior, sem observações: • Ouvir latidos • true = 0.28 false = 0.72 • Probabilidade posterior: • Observações: Cachorro fora -> true • Problema bexiga • true = 0.02 false = 0.98 • Ouvir latidos • true = 0.70 false = 0.30 • Probabilidade posterior: • Observações: Luzes acesas -> false, Ouvir latidos= true • Família fora • true = 0.17 false = 0.83 • Cachorro fora • true = 0.97 false = 0.03

  7. Outras consultas Ouvir latidos: true Luzes acesas: false Cachorro fora: true Familia fora: false

  8. iBNetzhttp://www.pmr.poli.usp.br/ltd/People/asaheki/software/iBNetzhttp://www.pmr.poli.usp.br/ltd/People/asaheki/software/ • Interface para o EmBayes • Mais opções para visualização e edição

  9. Rede para decisão médica • Projeto em conjunto com Hospital Universitário-USP • Construção feita com o auxílio de especialistas médicos • Tem como objetivo a identificação de doenças cardíacas

  10. Rede para decisão médica (II)

  11. 2. Embayes/R • Iniciar Rterm • ex: > c:\Arquivos de Programas\R\r1080\bin\rterm • Alterar para pasta de trabalho desejada • ex: > setwd(“c:/EmBayesR”) • Carregar “sources.r” • source(“sources.r”)

  12. Operações em Redes Bayesianas • Nova rede • rede = newNetwork(“rede1”) • Adicionar variáveis • rede$addVar(“no1”) • rede$addVar(“no2”, c(“est1”, “est2”, “est3”)) • rede$addVar(“no3”) • Mostrar variáveis • rede$listVars()

  13. Operações em Redes Bayes. (II) • Ligar variáveis • rede$addArc(“no1”, “no2”) • rede$addArc(“no1”, “no3”) • Definir probabilidades • rede$setProbabilities(“no1”, c(0.2, 0.8)) • rede$setProbabilities(“no2”, c(0.1, 0.4, 0.2, 0.25, 0.7, 0.35)) • rede$setProbabilities(“no3”, c(0.4,0.3,0.6,0.7))

  14. Operações em Redes Bayes. (III) • Consultas/observações • rede$query(“no1”) • rede$query(c(“no2”, “no3”)) • rede$observeVariable(“no2”, “est1”) • rede$query(“no1”) • Alterações • rede$deleteVar(“no2”) • rede$deleteArc(“no1”, “no3”)

  15. Aprendizado • Base de dados adult • dataLearn <- readDiscreteData(“adult_learn.in") • adultLearn <- convertRData(dataLearn) • dataTest = readDiscreteData(“adult_test.in") • adultTest <- convertRData(dataTest)

  16. Aprendizado (II) • Aprendizado TAN – parâmetros default • redeA = learnNetwork(algorithm = "TAN", learnData = adultLearn) • redeA$testNetwork(adultTest) • redeA$showNetwork() – edição manual • Novo teste • adultTest$reopen() • redeA$testNetwork(adultTest)

  17. Aprendizado (III) • Aprendizado Naive-Bayes • Base de dados • adultLearn$reopen() • adultTest$reopen() • redeB = learnNetwork(algorithm=“NB”, learnData = lettersLearn, maxIterations = 1, likelihoodChange = 0.01) • redeB$testNetwork(lettersTest) • redeB$listVars() • redeB$observeVariable(“X12”) • redeB$showNetwork() • redeB$query(“c”)

More Related