我最近遇到了bayes网络。我读到他们帮助降低n个随机变量的联合概率分布的维数(让它们为布尔值)。 In General
P(X1,X2,X3,.....Xn) = P(X1)*P(X2|X1)*P(X3|X1,X2)*.......*P(Xn|X1,X2,X3,.....Xn-1)
贝叶斯网络有助于简化公式,因为它包含有关哪些变量实际上相互依赖的信息。我得到了很多。 我不明白的是它如何减少
我是新来的统计和数据挖掘。我遵循here的例子,它工作完美。现在我想将此方法应用于我的数据集,但该数据集仅包含分类数据。 [R提供了以下错误: Error in train.default(x, y, "nb", trControl = trainControl(method = "cv", :
wrong model type for regression
我的问题是:我应该为了应用该方法
我试图使用bnlearnpackage来计算条件概率,并且在循环中使用"cpquery"函数时遇到问题。我使用包中包含的数据创建了一个示例,如下所示。在循环中使用cpquery函数时,循环中创建的变量(示例中的“evi”)不被函数识别。我收到错误: Error in parse(text = evi) : object 'evi' not found
“evi”的创建步骤基于作者提供的示例。