贝叶斯网络-代码学习

}
// build the network structure initStructure(); //初始化贝叶斯网络
// build the network structure buildStructure(); //根据实际的训练数据，设置每个属性节点的父节点
// build the set of CPTs estimateCPTs(); //根据已经创建好的贝叶斯网络，再一次根据实际的训练数据，获得每个属 性节点下的属性值，在不同的父节点组合情况下的出现次数的统计。
// reserve memory m_ParentSets = new ParentSet[m_Instances.numAttributes()]; // m_Instances.numAttributes()返回的是训练数据的实际属性个数，包括了目标属性在内。 m_ParentSets 是表示所有属性节点的父节点，比如性别属性，如果性别属性id是4，那么 m_ParentSets[4]就存储的是性别属性节点的父节点
iAttribute++) { int iNode = initialNet.getNode(bayesNet.getNodeName(iAttribute)); for (int iParent = 0; iParent <
initialNet.getNrOfParents(iAttribute);iParent++) { String sParent =
ignored. It is found in initial network but not in data set."); }
} } } else if (m_bInitAsNaiveBayes) { //这个if也不会执行，因为选择的是贝叶斯网络，所 以不会用朴素贝叶斯来完成。 int iClass = instances.classIndex(); // initialize parent sets to have arrow from classifier node to // each of the other nodes for (int iAttribute = 0; iAttribute < instances.numAttributes(); iAttribute++) {
//下面这个if语句可以略去，因为它表示是否有已经构建好的贝叶斯网络图文件，如果有，直接 读入完成贝叶斯网络的构建。但是weka中是么有的。而且实际大的贝叶斯网络也很少有专家指导直接 只用子父类关系图的。
if (m_sInitalBIFFile != null && !m_sInitalBIFFile.equals("")) { BIFReader initialNet = new BIFReader().processFile(m_sInitalBIFFile); for (int iAttribute = 0; iAttribute < instances.numAttributes();
-------------------------------------------------------------------------//K2 类中的 search 函数，K2 继承了 LocalScoreSearchAlgorithm 类，LocalScoreSearchAlgorithm 继承了 SearchAlgorithm 类 public void search (BayesNet bayesNet, Instances instances) throws Exception {
initialNet.getNodeName(initialNet.getParent(iNode, iParent)); int nParent = 0; while (nParent < bayesNet.getNrOfNodes()
&& !bayesNet.getNodeName(nParent).equals(sParent)) { nParent++;
nAttribute++;
}
//
m_nOrder[iOrder] = nAttribute++;
}//上面这个for循环其实在这个函数中一点用都没有，而且贝叶斯分类的默认目标分类属性，是
训练数据中的最后一个属性，所以该for循环中判断毫无作用，且nAttribute这个参数在这个函数内
也没有被实际使用
2
版权所有，仿冒必究-------全同学
//ParentSet这个类的构造函数
public ParentSet(int nMaxNrOfParents) { m_nParents = new int[nMaxNrOfParents];//创建一个长度为训练数据属
性个数的数组，用来存储当前节点的所有可能父节点
for (int iAttribute = 0; iAttribute < m_Instances.numAttributes(); iAttribute++) {//java中的数据实例化风格，需要每个元素都单独实例化。
m_ParentSets[iAttribute] = new ParentSet(m_Instances.numAttributes());
类，buildStructure也是SearchAlgorithm这个类的函数。 } // buildStructure
------------------------------------------------------------------------//SearchAlgorithm 类中的 buildStructure 函数 public void buildStructure(BayesNet bayesNet, Instances instances) throws Exception {
iesNet.getParentSet(iAttribute).addParent(iClass, instances);
} } } search(bayesNet, instances); //search算法是实际子类中实现的，及K2这个类中的search函数 if (m_bMarkovBlanketClassifier) { doMarkovBlanketCorrection(bayesNet, instances); } } // buildStructure
// Copy the instances m_Instances = new Instances(instances);//给本类自己的成员变量
// sanity check: need more than 1 variable in datat set m_NumClasses = instances.numClasses();//这个函数主要返回目标分类的属性具体的属性 值的个数，比如我们要对性别进行分类，那么性别在训练数据中的属性值只有男和女，那么属性值的 个数就是2，同理，如果我们要对国际分类，也要看国际在训练数据中具体的属性值的种类有多少个。
1
版权所有，仿冒必究-------全同学
// initialize ADTree
if (m_bUseADTree) {//weka里默认是是false
m_ADTree = ADNode.makeADTree(instances);
//
System.out.println("Oef, done!");
public void initStructure() throws Exception { int nAttribute = 0;
for (int iOrder = 1; iOrder < m_Instances.numAttributes(); iOrder++) {
if (nAttribute == m_Instances.classIndex()) {
} if (nParent< bayesNet.getNrOfNodes()) {
bayesNet.getParentSet(iAttribute).addParent(nParent, instances);
3
版权所有，仿冒必究-------全同学
} else { System.err.println("Warning: Node " + sParent + " is
// Save space // m_Instances = new Instances(m_Instances, 0); m_ADTree = null;
补充介绍对测试数据进行实际分类的函数：distributionForInstance
BayesNet 类中的 initStructure 函数介绍： initStructure(); //初始化贝叶斯网络
m_nNrOfParents = 0;//当前的父节点的个数 m_nCardinalityOfParents = 1;//当前包含父节点属性值的组合个数。这里
设置为1，是为了方便后面当出现多个父节点后的组合条件，如何在一维数组中表示
}
} }
BayesNet 类中的 buildStructure 函数介绍： buildStructure(); //根据实际的训练数据，设置每个属性节点的父节点
具体的代码和函数为： BayesNet 的主要函数，buildClassifier
buildClassifier 函数
// remove instances with missing class instances = new Instances(instances); instances.deleteWithMissingClass();//这个函数主要是通过训练每个实例，检查是否包含 要分类的那个属性，比如现在要对国家进行分类，但是发现某条实例数据内，没有国家这个属性，那 么这个实例就不能参与到实际的模型训练中，就要删除掉；但是该函数的实际方法是将可用的实例单 独存储，最后在直接赋值替换。(实际是把有值的部分copy出来)