Comment apprendre un réseau bayésien (structure + paramètres) avec l'API WEKA?

Question

Est-ce que quelqu'un connaît la procédure «appropriée» pour apprendre un réseau bayésien à partir de données utilisant l'API WEKA? Je ne trouve pas de bonnes instructions dans la documentation WEKA.

Sur la base de la documentation et ce que chaque fonction est « censé » faire, je pensais que cela fonctionnerait:

Instances ins = DataSource.read(filename); 
ins.setClassIndex(0); 

K2 learner = new K2(); 

MultiNomialBMAEstimator estimator = new MultiNomialBMAEstimator(); 
estimator.setUseK2Prior(true); 

EditableBayesNet bn = new EditableBayesNet(ins); 
bn.initStructure(); 

learner.buildStructure(bn, ins); 
estimator.estimateCPTs(bn); 

Mais il ne fonctionne pas. J'ai essayé ceci et d'autres variations et je continue d'obtenir ArrayIndexOutOfBoundsException ou NullPointerException quelque part dans le code WEKA, alors qu'est-ce qui me manque?

Answer 1

Cela fonctionne pour moi. J'ai essayé avec l'ensemble des données suivantes:

@relation test 

@attribute x {0,1} 
@attribute y {0,1,2} 
@attribute z {0,1} 

@data 
0,1,0 
1,0,1 
1,1,1 
1,2,1 
0,0,0 

Permettez-moi de mentionner que les exceptions sont attendus lorsque votre attribut cible n'est pas nominale (par exemple numérique). Les réseaux bayésiens fonctionnent mieux lorsque tous vos attributs sont nominaux. Si vous modifiez l'attribut cible en numérique, vous obtiendrez un NullPointerException ou un ArrayIndexOutOfBoundsException. En particulier, cette exception est lancée à la ligne:

EditableBayesNet bn = new EditableBayesNet(ins); 

Vous devez d'abord discrétiser votre classe cible.