贝叶斯网络的训练和推算

近期接到一个任务，帮老师训练一个贝叶斯网络，进而使用接到的网络进行新的推算（经管方面的），毕竟是第一次实际使用机器学习做课题，难免有些鸡冻。下面咱的干货是具体的过程：

1、（总体网络）首先，给出的是22个特征，这22个特征里面中9个输入，另外3个输出，10个中间变量，贝叶斯网络如下：

2、（资料）开始不知道有现成的BNT包能解决先验概率的问题，所以开始在写matlab计算9个输入的先验概率，即是挨个统计，出现的概率（事实证明，这是走的弯路），关于BNT包http://blog.sina.com.cn/s/blog_6c7b434d01013ufz.html有详细的例子，初学者可以完整的看下，BNT包网上较多，基本都是类似的。

3、（训练过程）我使用matlab仿真时，首先也是先构造贝叶斯网络（即是定义那些线是存在的，哪些是不存在的）；接着初始化条件概率，使用tabular_CPD函数，该函数的参数较多，使用的时候请注意；接着使用learn_params函数，根据构造的贝叶斯网络和训练的数据，对网络进行训练，得到各种条件概率（此处注意训练的数据需要转置，即每一列是使用的一个记录，训练的数据多些）

4、（推算）将要推算的输入（术语叫证据）添加到引擎中，函数是enter_evidence，然后使用某种引擎进行推算，对应的函数是marginal_nodes。从工具箱的使用手册可以看到，贝叶斯网络有较多的推理引擎供选择，找个自己需要的即可。这个过程有点小问题，即是推算函数我每次必须有9个输入，要是我不想指定某个输入的状态，应该怎么来处理呢？我的处理方式是，约定不输入某个状态指定为0，在证据添加到引擎过程中进行判断，如果不等于0才添加到引擎，从而实现不指定某个输入。

仔细看看其实过程还是挺简单的，但也是从没接触过过，所以花了不少时间，下次碰到应该挺快就能解决吧，仅在此记录下整个的过程。