r - 在循环中使用 bnlearn 函数 "cpquery"

Question

我正在尝试使用 bnlearn package计算条件概率，当 "cpquery" 出现问题时，我遇到了问题函数在循环中使用。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，该函数无法识别在循环中创建的变量(示例中的“evi”)。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。

你能提供的任何帮助都会很棒。我很想找到一种方法，可以将 cpquery 函数应用于大量观察。

library(bnlearn)
data(learning.test)
fitted = bn.fit(hc(learning.test), learning.test)

bn.function <- function(network, evidence_data) {
  a <- NULL
  b <- nrow(evidence_data)
  for (i in 1:b) {
    evi <- paste("(", names(evidence_data), "=='",
               sapply(evidence_data[i,], as.character), "')",
               sep = "", collapse = " & ")
    a[i] <- cpquery(network, (C=='c'), eval(parse(text=evi)))
  }
  return(a)
}

test <- bn.function(fitted, learning.test)

提前致谢!

Answer 1

我不知道这是由于错误修复还是仅仅因为我尝试了另一种方法 - 无论如何，如果您在 cpquery 函数之外迭代地构建证据列表，则循环有效。

一个通过名为 evidenceData 的列表迭代的示例，其中包含全正证据:

for(i in names(evidenceData)){
  loopEvidenceList <- list()
  loopEvidenceList[[i]] <- "TRUE"
  a =cpquery(fitted = bayesNet, event = queryNode == "TRUE", 
             evidence = loopEvidenceList, method = "lw", n = 100000)
  print(a)
  }

根据您的证据可用的方式，您可能需要对“loopEvidenceList”进行更复杂的准备，但是一旦准备就绪，它就可以正常工作。