Кластеризация узлов в вероятностных графических моделях — объяснимость байесовских сетей
Недавно я опубликовал новую версию bnviewer, пакет находится в версии 0.1.4 и содержит функцию, которая позволяет нам группировать узлы байесовской сети с помощью пользовательских значков, чтобы облегчить интерпретацию и категоризацию переменных в сложных моделях. байесовских сетей.
Я хотел бы поблагодарить исследователя Матиас Альберто Вергара Альварес из Католического университета Чили за предложение в пакете. Матиас работал с ИИ применительно к геномике и описал важность различения различных ролей, которые играют гены, и эта функциональность принесет много пользы в такого рода исследованиях.
BNViewer — интерактивная визуализация байесовских сетей
Байесовские сети обеспечивают интуитивно понятную основу для вероятностных рассуждений, и их графическая природа может быть интерпретирована достаточно ясно. Методы машинного обучения на основе графов становятся все более популярными, поскольку они предлагают более богатую модель знаний, которую человек может понять в графическом формате. bnviewer — это пакет R, который позволяет интерактивную визуализацию байесовских сетей. Целью этого пакета является улучшение визуализации байесовских сетей по сравнению с базовыми и статическими представлениями, предлагаемыми существующими пакетами.
Этот пакет возник из моего магистерского проекта по математике, статистике и прикладным вычислениям в промышленности в Институте математических и компьютерных наук Университета Сан-Паулу — ICMC-USP, под руководством проф. Dr. Alneu Andrade Lopes и совместное руководство Dr. Бретт Друри.
Пример — кластеризация узлов в вероятностных графических моделях — объяснимость байесовских сетей
Вы можете установить стабильную версию bnviewer из CRAN:
install.packages("bnviewer")
Импортируйте пакеты bnlearn и bnviewer
library(bnlearn) library(bnviewer)
Импортируйте нужный набор данных и примените алгоритм обучения структуры. Пример (восхождение в гору (HC)).
data("alarm") bn.learn.hc = hc(alarm)
Вызвать функцию просмотра пакета bnviewer с нужными параметрами.
clusters.legend.title = "<b>Legend</b> <br> Variable Categories" viewer(bn.learn.hc, bayesianNetwork.background = "-webkit-radial-gradient(center, ellipse cover, rgba(255,255,255,1) 0%, rgba(246,246,246,1) 47%, rgba(237,237,237,1) 100%)", bayesianNetwork.width = "100%", bayesianNetwork.height = "100vh", bayesianNetwork.layout = "layout_components", bayesianNetwork.title="<br>Discrete Bayesian Network - Alarm", bayesianNetwork.subtitle = "Monitoring of emergency care patients", node.colors = list(background = "white", border = "black", highlight = list(background = "#e91eba", border = "black")), node.font = list(color = "black", face="Arial"), clusters.legend.title = list(text = clusters.legend.title, style = "font-size:18px; font-family:Arial; color:black; text-align:center;"), clusters.legend.options = list( list(label = "Pressure", shape = "icon", icon = list(code = "f1ce", size = 50, color = "#e91e63")), list(label = "Volume", shape = "icon", icon = list(code = "f140", size = 50, color = "#03a9f4")), list(label = "Ventilation", shape = "icon", icon = list(code = "f192", size = 50, color = "#4caf50")), list(label = "Saturation", shape = "icon", icon = list(code = "f10c", size = 50, color = "#ffc107")) ), clusters = list( list(label = "Pressure", shape = "icon", icon = list(code = "f1ce", color = "#e91e63"), nodes = list("CVP","BP","HRBP","PAP","PRSS")), list(label = "Volume", shape = "icon", icon = list(code = "f140", color = "#03a9f4"), nodes = list("MINV","MVS","LVV","STKV")), list(label = "Ventilation", shape = "icon", icon = list(code = "f192", color = "#4caf50"), nodes = list("VALV","VLNG","VTUB","VMCH")), list(label = "Saturation", shape = "icon", icon = list(code = "f10c", color = "#ffc107"), nodes = list("HRSA","SAO2","PVS")) ) )
Визуализация
Вы можете использовать код Unicode из значков FontAwesome 4.7 для настройки узлов байесовской сети и определения кластеров.
К следующему…
Я надеюсь, что этот подход может помочь тем, кто начинает заниматься наукой о данных, будь то статистика, математик, компьютерщик или студенты, интересующиеся этим предметом.