r - 使贝叶斯推理的定性数据量化
问题描述
我有一个被问到 5 个问题的场景。响应是二进制 1 - 是和 0 - 否。我根据它们的总和创建了一个预测类,最终结果的可能性有多大。
library(dplyr)
library(ggplot2)
library(plotly)
library(purrr)
library(ggjoy)
library(forcats)
Question1 <- "Does source A state XYZ?"
Question2 <- "Does source B state XYZ?"
Question3 <- "Does source A state QRS?"
Question4 <- "Does source B state QRS?"
Question5 <- "Does source C state MNO?"
Conclusion <- "How likely is situation X to happen?"
Date <- seq.Date(from = as.Date("2020-01-01"), to = as.Date("2020-5-29"), by = "day")
Q1 <- sample(0:1, length(Date), replace = T, prob = c(0.4, 0.6))
Q2 <- sample(0:1, length(Date), replace = T, prob = c(0.5, 0.5))
Q3 <- sample(0:1, length(Date), replace = T, prob = c(0.5,0.5))
Q4 <- sample(0:1, length(Date), replace = T, prob = c(0.5, 0.5))
Q5 <- sample(0:1, length(Date), replace = T, prob = c(0.4, 0.6))
sample_df <- data.frame(Q1, Q2, Q3, Q4, Q5)
sample_df$Sum <- rowSums(sample_df)
sample_df %>% mutate(Conclusion = case_when(Sum == 5 ~ "Almost Certain",
Sum == 4 ~ "Very Likely",
Sum == 3 ~ "Likely",
Sum == 2 ~ "Unlikely",
Sum == 1 ~ "Very Unlikely",
Sum == 0 ~ "Remote")) -> sample_df
sample_df <- cbind(Date, sample_df) %>% arrange(Date)
我想使用贝叶斯推理,但不确定更新我对最终结论的预测的最佳方法。对这种类型的数据使用 BI 有什么建议吗?目标是使用定性数据和贝叶斯来更新结论。
解决方案
推荐阅读
- shopify - 修改 Shopify 搜索 - 显示产品变体,正确分页
- javascript - 如何为我的选择元素和按钮重构事件侦听器?
- python - 为什么我有来自 Openweathermap JSON 和 PyOWM 库的不同 api 响应?
- yaml - 如何在 yaml 文件中找到错误?
- android - 没有找到类“android.view.View?
- android - 带 Flutter 的传送带 - 在本地运行 .net Web 应用程序时出现握手错误
- python - 与python交互拟合
- c# - 如何在面板上制作透明标签?
- kubernetes - Openshift ResourceQuota 使用而不是预留?
- regex - Grep 的行为与 Online RegExp-Tester 不同