1
A
回答
0
函數的鏈接(在您提供的鏈接處)似乎已經死亡,因此您需要聯繫頁面作者。在這種情況下,計算起來並不困難,因爲後驗=可能*之前。所以只需通過乘以表來計算。 (?病)(?測試)給出POS可能性似乎所需的計算是d的概率
> joint = likelihood * prior
> # marginalise to calculate posterior (need to normalise)
> cs = colSums(joint)
> joint[,"pos"]/cs["pos"]
D not.D
0.009803922 0.990196078
作爲替代方案,你可以鏡框爲貝葉斯網絡(疾病 - >試驗)使用gRain
包
> library(gRain)
> d = cptable(~disease, values = prior, levels=names(prior))
> tt = cptable(~test+disease, values=t(likelihood), levels=colnames(likelihood))
> net = grain(compileCPT(list(d, tt)))
> net2 = setEvi(net, evidence=list(test="pos"))
> querygrain(net2)
$disease
disease
D not.D
0.009803922 0.990196078
相關問題
- 1. 貝葉斯神經網絡:計算Hessian
- 2. 設計貝葉斯網絡
- 3. 貝葉斯規則 - 如何計算可能性
- 4. 貝葉斯vs OLS
- 5. 計算B和| V |在樸素貝葉斯文本分類
- 6. MATLAB計算貝葉斯信息準則與fit.m導致
- 7. 樸素貝葉斯分類器數學 - 缺乏計算精度
- 8. 計算邊緣化貝葉斯網絡的步驟數
- 9. 計算樸素貝葉斯分類的概率
- 10. 樸素貝葉斯分類與R - 奇怪的結果
- 11. NLTK樸素貝葉斯分類器奇怪的結果
- 12. Weka樸素貝葉斯輸出中的「預測」列是如何計算的?
- 13. Matlab樸素貝葉斯
- 14. 理解貝葉斯定理
- 15. 貝葉斯網絡澄清
- 16. PHP貝葉斯分類器
- 17. 貝葉斯網絡教程
- 18. 實現貝葉斯網絡
- 19. Clojure DAG(貝葉斯網絡)
- 20. 貝葉斯網絡在Matlab
- 21. 樸素貝葉斯迴歸
- 22. 實現高斯樸素貝葉斯
- 23. 貝葉斯方法:哪部分難以在貝葉斯推斷中評估
- 24. 計算存儲過程中的加權(貝葉斯)平均分數/指數?
- 25. Java實現樸素貝葉斯算法 - 需要一些指導
- 26. R的樸素貝葉斯算法的輸出說明
- 27. 微軟樸素貝葉斯算法有序輸入屬性
- 28. Kim和貝葉斯珍珠的消息傳遞算法網絡
- 29. 基本概念:樸素貝葉斯算法的分類
- 30. 理解算法 - 多項樸素貝葉斯