Блог

Главная - Вопросы по программированию - Когда я пытаюсь реализовать MarkovModel с помощью pgmpy, есть ли способ исправить KeyError?

Когда я пытаюсь реализовать MarkovModel с помощью pgmpy, есть ли способ исправить KeyError?

#python #markov-models #markov-random-fields #pgmpy

#python #markov-модели #markov-random-fields #pgmpy

Вопрос:

Я пытаюсь реализовать Марковское случайное поле. Среди них я хотел бы получить значение phi(A|B = 0, C = 1) . Однако, с опцией доказательства, KeyError: 'B' происходит. Я не знаю, почему это происходит.

Ниже приведен код.

 from pgmpy.inference import VariableElimination
import numpy as np
pf_value = model.get_partition_function()

infer = VariableElimination(model)

AIB0C1_dist = infer.query(['A'], evidence={'B':0, 'C':1}) # phi(A|B = 0, C = 1)
print('phi(A|B =  0, C = 1)')
print(AIB0C1_dist)
P_AIB0C1 = AIB0C1_dist.values/np.sum(AIB0C1_dist.values)
for val in P_AIB0C1:
    print(val, 'n')

И ниже приведена причина ошибки.

 KeyError                                  Traceback (most recent call last)
<ipython-input-22-1c3cb220fae0> in <module>
     20     print(val, 'n')
     21 
---> 22 AIB0C1_dist = infer.query(['A'],evidence={'B':0, 'C':1}) # phi(A|B = 0, C = 1)
     23 print('phi(A|B =  0, C = 1)')
     24 print(AIB0C1_dist)

~anaconda3libsite-packagespgmpyinferenceExactInference.py in query(self, variables, evidence, elimination_order, joint, show_progress)
    254             )
    255 
--> 256         return self._variable_elimination(
    257             variables=variables,
    258             operation="marginalize",

~anaconda3libsite-packagespgmpyinferenceExactInference.py in _variable_elimination(self, variables, operation, evidence, elimination_order, joint, show_progress)
    157         eliminated_variables = set()
    158         # Get working factors and elimination order
--> 159         working_factors = self._get_working_factors(evidence)
    160         elimination_order = self._get_elimination_order(
    161             variables, evidence, elimination_order, show_progress=show_progress

~anaconda3libsite-packagespgmpyinferenceExactInference.py in _get_working_factors(self, evidence)
     43             for evidence_var in evidence:
     44                 for factor, origin in working_factors[evidence_var]:
---> 45                     factor_reduced = factor.reduce(
     46                         [(evidence_var, evidence[evidence_var])], inplace=False
     47                     )

~anaconda3libsite-packagespgmpyfactorsdiscreteDiscreteFactor.py in reduce(self, values, inplace)
    453         phi.variables = [phi.variables[index] for index in var_index_to_keep]
    454         phi.cardinality = phi.cardinality[var_index_to_keep]
--> 455         phi.del_state_names([var for var, _ in values])
    456 
    457         phi.values = phi.values[tuple(slice_)]

~anaconda3libsite-packagespgmpyutilsstate_name.py in del_state_names(self, var_list)
     92         """
     93         for var in var_list:
---> 94             del self.state_names[var]
     95             del self.name_to_no[var]
     96             del self.no_to_name[var]

KeyError: 'B'

Есть ли способ исправить KeyError?

Ответ №1:

Используйте self.state_names.get(var,"") вместо этого.

Комментарии:

1. Извините, но я не понял этого ответа. Не могли бы вы сказать мне, что я должен использовать self.state_names.get(var,"") вместо этого?

2. ошибка заключается в том, что у объекта self.state_names нет ключа для ‘B’, который используется в коде. Вы уверены infer.query(['A'],evidence={'B':0, 'C':1}) , что правильно вызываете? Дважды проверьте документацию для этой функции.

3. Ваше мнение верно. Но я уже определил B как ключ с помощью state_names . Я записал модель, которую добавил в ответ. Это хорошо работает и для infer.query(['A']) and infer.query(['A','B','C','D']) тоже. Однако по- infer.query(['A'],evidence={'B':0, 'C':1}) прежнему выводит KeyError.

Ответ №2:

Я уже добавил state_names . ‘B’ уже определен как ключ.

 from pgmpy.models import MarkovModel
from pgmpy.factors.discrete import DiscreteFactor

model = MarkovModel([('A', 'B'), ('B', 'C'), ('C', 'D'), ('D', 'A')])
factor1 = DiscreteFactor(['A', 'B'], [2, 2], [30, 5, 1, 10], state_names={'A': [0, 1], 'B': [0, 1]})
factor2 = DiscreteFactor(['B', 'C'], [2, 2], [100, 1, 1, 100], state_names={'A': [0, 1], 'C': [0, 1]})
factor3 = DiscreteFactor(['C', 'D'], [2, 2], [1, 100, 100, 1], state_names={'C': [0, 1], 'D': [0, 1]})
factor4 = DiscreteFactor(['D', 'A'], [2, 2], [100, 1, 1, 100], state_names={'D': [0, 1], 'A': [0, 1]})
model.add_factors(factor1, factor2, factor3, factor4)

У кода с доказательствами все еще есть проблема.

Комментарии:

1. разрешено ли вам иметь несколько пар ключ / значение в доказательстве? Также я обнаружил, что получаю лучшие ответы на вопросы машинного обучения / статистики при перекрестной проверке.

2. @shaw2thefloor Я снова прочитал свой код. Я нашел свою ошибку в строке factor2 = DiscreteFactor(['B', 'C'], [2, 2], [100, 1, 1, 100], state_names={'A': [0, 1], 'C': [0, 1]}) . Я должен был написать state_names={'B': [0, 1], 'C': [0, 1]}) . Я был настолько глуп, что не нашел этого. Спасибо за вашу помощь.