IDR es un paquete de funciones R para representar redes bayesianas y diagramas de influencia, analizar y evaluar los modelos. IDR permite: escribir la

  • Published on
    18-Apr-2015

  • View
    3

  • Download
    2

Embed Size (px)

Transcript

<ul><li> Diapositiva 1 </li> <li> IDR es un paquete de funciones R para representar redes bayesianas y diagramas de influencia, analizar y evaluar los modelos. IDR permite: escribir la declaracin del modelo: especificacin de los nodos-variables y enlaces del DAG y las probabilidades y utilidades; aade items auxiliares a la estructura comprobar la correccin del modelo: ausencia de ciclos, repeticiones de nombres, distribuciones de probabilidad evaluar graficamente y/o numericamente la red: marginalizar las variables, calcular las alternativas ptimas instanciar nodos con valores del dominio y propagar la eviencia mostrar resumenes de los nodos: diagramas de probabilidad, matrices de adyacencias e influencias, </li> <li> Diapositiva 2 </li> <li> Otras caractersticas de IDR son: exportar la red al formato de GeNie y al formato R la definicin del modelo de probabilidad y utilidad puede ser: explcita mediante tablas o implcita mediante funciones o modelos (gml,) la evaluacin se puede realizar paso a paso: trazando las llamadas a cualquiera de las funciones volcando el estado de los nodos y del grafo generar redes aleatorias de tamao, dominios y grado predefinido. exportar el resultado de la evaluacin al formato KBM2L: tablas de probabilidad a posteriori y tablas de decisiones ptimas </li> <li> Diapositiva 3 </li> <li> El paquete est organizado en 4 modulos bsicos: #### modulo ( "idl-primitive.R") #### modulo ("idl-potential2.R");( "idl-potential.R");( "idl-probability.R") #### modulo ( "idl-network.R");( "idl-definition2.R");( "idl-definition.R") #### modulo ("idl-operaciones.R");("idl-bayes.R");("idl-tables.R");("idl-instantiation.R"); ( "idl-evaluation2.R");( "idl-evaluation.R") Y otros modulos: queries, graficos, Utiliza los paquetes lattice, glm, </li> <li> Diapositiva 4 </li> <li> Algunos detalles: las tablas de probabilidad son matrices bidimensionales las filas son distribuciones de probabilidad condicionadas (matrix - byrow) los valores de las variables condicionantes indexan las filas de arriba abajo con el orden derecha a izquierda la evaluacin de las redes es mediante inversin de arcos. Puede ser sistematica, heurstica o guiada, la evaluacin de las redes es grfica (solo se modifica el grafo y los tamaos de las tablas de probabilidad) y numrica (se realizan los calculos de las probabilidades y las utilidades. Variable global CALC </li> <li> Diapositiva 5 </li> <li> Mejoras: leer el formato xdsl y generar cdigo R otros algoritmos de evaluacin (exactos y aproximados) dibujo automtico de la red en GeNie tcps con glm e inferencia con el modelo algn algoritmo de aprendizaje varias medidas de relevancia/irrelevancia, algoritmo de simplificacin de arcos algoritmo de anlisis de sensibilidad generador de funciones de utilidad Implementar los escenarios de la consulta abierta ? </li> <li> Diapositiva 6 </li> <li> Ejemplo ASIA </li> <li> Diapositiva 7 </li> <li> Diapositiva 8 </li> <li> Diapositiva 9 </li> <li> RED rb = "asia" cat( "Bayesian network -- ", rb, " \n") mx.VisitToAsia </li> <li> Network summary: random Nodes: 21 Arcs: 29 Node: N1 gr: 0 COMPLEX 2 Preds: Node: N2 gr: 3 COMPLEX 16 Preds: N3 N13 N14 Node: N3 gr: 1 COMPLEX 4 Preds: N12 Node: N4 gr: 2 COMPLEX 8 Preds: N8 N21 Node: N5 gr: 1 COMPLEX 4 Preds: N17 Node: N6 gr: 0 COMPLEX 2 Preds: Node: N7 gr: 1 COMPLEX 4 Preds: N18 Node: N8 gr: 0 COMPLEX 2 Preds: Node: N9 gr: 1 COMPLEX 4 Preds: N4 Node: N10 gr: 3 COMPLEX 16 Preds: N2 N5 N6 Node: N11 gr: 2 COMPLEX 8 Preds: N13 N17 Node: N12 gr: 0 COMPLEX 2 Preds: Node: N13 gr: 0 COMPLEX 2 Preds: Node: N14 gr: 0 COMPLEX 2 Preds: Node: N15 gr: 3 COMPLEX 16 Preds: N2 N4 N13 Node: N16 gr: 3 COMPLEX 16 Preds: N9 N10 N20 Node: N17 gr: 1 COMPLEX 4 Preds: N15 Node: N18 gr: 2 COMPLEX 8 Preds: N10 N14 Node: N19 gr: 1 COMPLEX 4 Preds: N16 Node: N20 gr: 2 COMPLEX 8 Preds: N4 N10 Node: N21 gr: 3 COMPLEX 16 Preds: N1 N6 N8 &gt; print(Z[1][[1]]$mpot) [,1] [,2] [1,] 0.587 0.412 &gt; print(Z[2][[1]]$mpot) [,1] [,2] [1,] 0.504 0.495 &gt; print(Z[3][[1]]$mpot) [,1] [,2] [1,] 0.291 0.708 &gt; print(Z[4][[1]]$mpot) [,1] [,2] [1,] 0.730 0.269 &gt; print(Z[5][[1]]$mpot) [,1] [,2] [1,] 0.500 0.499 &gt; print(Z[6][[1]]$mpot) [,1] [,2] [1,] 0.542 0.457 &gt; print(Z[7][[1]]$mpot) [,1] [,2] [1,] 0.923 0.0761................... &gt; print(Z[21][[1]]$mpot) [,1] [,2] [1,] 0.467 0.532 EVALUACIN </li> <li> Diapositiva 19 </li> <li> Diapositiva 20 </li> <li> Diapositiva 21 </li> <li> Condicionadas </li> <li> Diapositiva 22 </li> <li> Diapositiva 23 </li> <li> Diapositiva 24 </li> <li> Diapositiva 25 </li> <li> Diapositiva 26 </li> <li> Diapositiva 27 </li> <li> Diapositiva 28 </li> <li> Diapositiva 29 </li> <li> Diapositiva 30 </li> <li> Diapositiva 31 </li> <li> Diapositiva 32 </li> <li> RANDOM NETWORK 21 nodos, 168 arcos </li> <li> Diapositiva 33 </li> <li> Network summary: random Nodes: 21 Arcs: 168 Node: N1 gr: 4 COMPLEX 32 Preds: N6 N8 N4 N21 Node: N2 gr: 15 COMPLEX 65536 Preds: N3 N5 N6 N7 N8 N9 N10 N11 N12 N13 N14 N15 N16 N20 N21 Node: N3 gr: 14 COMPLEX 32768 Preds: N5 N6 N7 N8 N9 N10 N11 N12 N13 N14 N15 N16 N20 N21 Node: N4 gr: 12 COMPLEX 8192 Preds: N10 N2 N13 N5 N6 N8 N9 N11 N15 N16 N20 N21 Node: N5 gr: 14 COMPLEX 32768 Preds: N6 N7 N8 N9 N10 N11 N12 N13 N14 N15 N16 N17 N20 N21 Node: N6 gr: 13 COMPLEX 16384 Preds: N7 N8 N9 N10 N11 N12 N13 N14 N15 N16 N17 N20 N21 Node: N7 gr: 13 COMPLEX 16384 Preds: N8 N9 N10 N11 N12 N13 N14 N15 N16 N17 N18 N20 N21 Node: N8 gr: 12 COMPLEX 8192 Preds: N9 N10 N11 N12 N13 N14 N15 N16 N17 N18 N20 N21 Node: N9 gr: 11 COMPLEX 4096 Preds: N10 N11 N12 N13 N14 N15 N16 N17 N18 N20 N21 Node: N10 gr: 10 COMPLEX 2048 Preds: N11 N12 N13 N14 N15 N16 N17 N18 N20 N21 Node: N11 gr: 9 COMPLEX 1024 Preds: N12 N13 N14 N15 N16 N17 N18 N20 N21 Node: N12 gr: 8 COMPLEX 512 Preds: N13 N14 N15 N16 N17 N18 N20 N21 Node: N13 gr: 7 COMPLEX 256 Preds: N14 N15 N16 N17 N18 N20 N21 Node: N14 gr: 6 COMPLEX 128 Preds: N15 N16 N17 N18 N20 N21 Node: N15 gr: 5 COMPLEX 64 Preds: N16 N17 N18 N20 N21 Node: N16 gr: 5 COMPLEX 64 Preds: N17 N18 N19 N20 N21 Node: N17 gr: 4 COMPLEX 32 Preds: N18 N19 N20 N21 Node: N18 gr: 3 COMPLEX 16 Preds: N19 N20 N21 Node: N19 gr: 2 COMPLEX 8 Preds: N20 N21 Node: N20 gr: 1 COMPLEX 4 Preds: N21 Node: N21 gr: 0 COMPLEX 2 Preds: </li> </ul>