لابلاسيان تجانس إلى البيوبيثون

Question

أحاول إضافة دعم تنعيم لابلاسيان إلى رمز بايز الساذج في Biopython 1 لمشروع المعلومات الحيوية الخاصة بي.

لقد قرأت العديد من المستندات حول خوارزمية بايز الساذجة وتجانس لابلاسيان وأعتقد أنني حصلت على الفكرة الأساسية ، لكنني لا أستطيع دمج هذا مع هذا الرمز (في الواقع لا يمكنني رؤية الجزء الذي سأضيفه رقم 1 -laplacian).

أنا لست على دراية ببيثون وأنا مبرمج مبتدئ. إنني أقدر ما إذا كان أي شخص على دراية بالبيبوثون يمكن أن يعطيني بعض الاقتراحات.

Answer 1

حاول استخدام هذا التعريف _contents() الطريقة بدلاً من ذلك:

def _contents(items, laplace=False):
    # count occurrences of values
    counts = {}
    for item in items:
        counts[item] = counts.get(item,0) + 1.0
    # normalize
    for k in counts:
        if laplace:
            counts[k] += 1.0
            counts[k] /= (len(items)+len(counts))
        else:
            counts[k] /= len(items)
    return counts

ثم قم بتغيير المكالمة Line 194 داخل:

# Estimate P(value|class,dim)
nb.p_conditional[i][j] = _contents(values, True)

استعمال True لتمكين التنعيم ، و False لتعطيلها.

فيما يلي مقارنة بين الإخراج مع/بدون تجانس:

# without
>>> carmodel.p_conditional
[[{'Red': 0.40000000000000002, 'Yellow': 0.59999999999999998},
  {'SUV': 0.59999999999999998, 'Sports': 0.40000000000000002},
  {'Domestic': 0.59999999999999998, 'Imported': 0.40000000000000002}],
 [{'Red': 0.59999999999999998, 'Yellow': 0.40000000000000002},
  {'SUV': 0.20000000000000001, 'Sports': 0.80000000000000004},
  {'Domestic': 0.40000000000000002, 'Imported': 0.59999999999999998}]]

# with
>>> carmodel.p_conditional
[[{'Red': 0.42857142857142855, 'Yellow': 0.5714285714285714},
  {'SUV': 0.5714285714285714, 'Sports': 0.42857142857142855},
  {'Domestic': 0.5714285714285714, 'Imported': 0.42857142857142855}],
 [{'Red': 0.5714285714285714, 'Yellow': 0.42857142857142855},
  {'SUV': 0.2857142857142857, 'Sports': 0.7142857142857143},
  {'Domestic': 0.42857142857142855, 'Imported': 0.5714285714285714}]]

---

بصرف النظر عن ما سبق ، أعتقد أنه قد يكون هناك خطأ في الكود:

يقسم الكود الحالات وفقًا لفصلها ، ثم لكل فصل ، وإعطاء كل بُعد ، فإنه يحسب عدد المرات التي تظهر فيها كل من قيم البعد هذه.

المشكلة هي إذا لمجموعة فرعية من الحالات التي تنتمي إلى فئة واحدة ، فمن يحدث عدم ظهور كل قيم البعد في تلك المجموعة الفرعية ، ثم عندما تكون _contents() تسمى الوظيفة ، ولن ترى جميع القيم الممكنة ، وبالتالي ستعيد الاحتمالات الخاطئة ...

أعتقد أنك بحاجة إلى تتبع جميع القيم الفريدة لكل بُعد (من مجموعة البيانات بأكملها) ، وأخذ ذلك في الاعتبار أثناء عملية العد.