Ошибка при построении результатов алгоритма возвышения с помощью пакета bnlearn в R в виде дерева дерева Рейнгольда-Тилфорда

Question

Я - первый плакат, но давний ученик с этого сайта. Это первый случай, когда ответ на мой вопрос не был обратным инженером из предыдущих сообщений, поэтому я надеюсь, что кто-то сможет мне помочь в его решении.

Я пытаюсь построить результаты поискового алгоритма поиска холма (hc из пакета bnlearn в R), запущенного на корреляционной матрице в виде дерева деревьев Рейнгольда-Тилфорда.

Say я бегу:

hc.obj<-hc(corr.matrix) 
    hc.plot<-qgraph(hc.obj, directed = "TRUE", layout = "spring") 

Я получаю Fruchterman-Рейнгольд расположение направленных отношений не проблема.

Но я не могу получить древовидную структуру для работы независимо от того, как я форматирую информацию в hc.obj. Например, запустив код выше с «layout = tree», я получаю ошибку: «Ошибка в l [, 1]: неправильное количество измерений».

Вот воспроизводимый пример:

require("bnlearn") 
    require("qgraph") 
    cm <- matrix(runif(100), ncol=10) 
    cm <- (cm * lower.tri(cm)) + t(cm * lower.tri(cm)) 
    diag(cm) <- 1 
    cm.df<-as.data.frame(cm) 
    hc.obj<-hc(cm.df) 
    hc.plot<-qgraph(hc.obj, directed = "TRUE", layout = "tree") 

Точно так же, если я пытаюсь запустить через igraph как:

layout_as_tree(hc.obj) 

Я получаю ошибку «Ошибка в layout_as_tree (hc.obj): Не graph object "

Answer 1

Похоже, вы пытаетесь использовать функции построения графиков, чтобы сделать то, для чего они не предназначены.

hc.obj модель объекта класса млрд, тогда как, например, qplot() поддерживает следующие:

...either a weights matrix or an edgelist. Can also be an object of class "sem" (sem), "mod" (sem), "lavaan" (lavaan), "principal" (psych), "loadings" (stats), "factanal" (stats), "graphNEL" (Rgraphviz), "pcAlgo" (pcalg), "huge" (huge), "select" (huge) or the output of glasso".

Вы можете, однако plot a bn object. Один из способов - просто использовать plot().

if(!require(pacman)) install.packages("pacman") 
pacman::p_load(qgraph,bnlearn,Rgraphviz) 
cm <- matrix(runif(100), ncol=10) 
cm <- (cm * lower.tri(cm)) + t(cm * lower.tri(cm)) 
diag(cm) <- 1 
cm.df<-as.data.frame(cm) 
hc.obj<-hc(cm.df) 
plot(hc.obj) 

Другой способ заключается в использовании graphviz.plot().

bnlearn::graphviz.plot(hc.obj) 

Если вы делаете поиск или отзыв the relevant CRAN task view, вероятно, можно найти больше пакетов, поддерживающих bn объектов класса.