17
Exercícios Java Bayes Embayes/R

Exercícios

Embed Size (px)

DESCRIPTION

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 - PowerPoint PPT Presentation

Citation preview

Page 1: Exercícios

Exercícios

Java BayesEmbayes/R

Page 2: Exercícios

1. JavaBayes 0.4

Iniciar JavaBayes 0.4Criação de nova rede Nós Arcos Probabilidades

Page 3: Exercícios

Nós e arcos

Edit node

Page 4: Exercícios

Edição de probabilidades

Page 5: Exercícios

Edição de probabilidadestrue false

p(fam fora) 0.15 0.85

p(prob bexiga) 0.01 0.99

p(luz acesa | fam fora = true ) 0.60 0.40

p(luz acesa | fam fora = false ) 0.05 0.95

p(cach fora | fam fora = true & prob bexiga = true)

0.99 0.01

p(cach fora | fam fora = true & prob bexiga = false)

0.90 0.10

p(cach fora | fam fora = false & prob bexiga = true)

0.97 0.03

p(cach fora | fam fora = false & prob bexiga = false)

0.30 0.70

p(ouvir latidos | cach fora = true) 0.70 0.30

p(ouvir latidos | cach fora = false) 0.01 0.99

Page 6: Exercícios

Consultas à redeProbabilidade posterior, sem observações:

•Ouvir latidostrue = 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

Page 7: Exercícios

Outras consultas

Ouvir latidos: true

Luzes acesas: false

Cachorro fora: true

Familia fora: false

Page 8: Exercícios

iBNetzhttp://www.pmr.poli.usp.br/ltd/People/asaheki/software/

Interface para o EmBayes

• Mais opções para visualização e edição

Page 9: Exercícios

Rede para decisão médica

Projeto em conjunto com Hospital Universitário-USPConstrução feita com o auxílio de especialistas médicosTem como objetivo a identificação de doenças cardíacas

Page 10: Exercícios

Rede para decisão médica (II)

Page 11: Exercícios

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”)

Page 12: Exercícios

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()

Page 13: Exercícios

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))

Page 14: Exercícios

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”)

Page 15: Exercícios

AprendizadoBase de dados adult dataLearn <-

readDiscreteData(“adult_learn.in") adultLearn <- convertRData(dataLearn)

dataTest = readDiscreteData(“adult_test.in") adultTest <- convertRData(dataTest)

Page 16: Exercícios

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)

Page 17: Exercícios

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”)