petrogass / junction-tree-inference

Junction Tree Inference

Implementazione dell'algoritmo di inferenza su Junction tree.

Per dimostrare la funzionalità del codice si è scelto come esempio giocattolo il Chest Clinic problem. Per far girare il codice sono necessari Python3, pandas e il modulo copy di Python. Assicurandosi che probTable.py, chestClinic.py e bayesNets.py siano nella stessa cartella, navigare da riga di comando in quella cartella e chiamare python chestClinic.py.
In chestClinic.py viene descritto il Junction tree del grafo e come esempio viene chiamato l'algoritmo di inferenza senza dare evidenza ad alcuna variabile. Verranno stampate a schermo delle tabelle, una per ogni variabile del grafo, a indicare le probabilità marginali di ogni variabile (0 è No e 1 è Sì)

Le diverse lettere stampate a schermo come nome delle colonne indicano le varie variabili:
A: Visit to Asia?
L: Lung Cancer?
T: Tubercolosis?
D: Dyspnea?
B: Bronchitis?
S: Smoker?
E: Tubercolosis or lung cancer?
X: Positive x-ray?

È possibile introdurre evidenza modificando l'ultimo parametro della chiamata a bn.inference() in chestClinic.py, non è possibile però fare più chiamate di fila sullo stesso grafo in quanto quest'ultimo non viene reinizzializzato ogni volta. Per esempio, se al posto di {} (ultimo parametro nella chiamata a bn.inference) mettiamo {"S":1} e chiamiamo di nuovo chestClinic.py da riga di comando, effettueremo inferenza sul grafo dando come evidenza "Smoker? sì". L'evidenza inserita deve essere coerente (e.g. {"T":1, "E":0} non lo è) altrimenti il programma non funziona come ci si aspetta.

Per il metodo createTable(vars, probs, domains) ho fatto uso dell'algoritmo presente nel metodo createCPT(varnames, probs, levelsList) presente a questo link http://www.cs.utah.edu/~fletcher/cs6190/homeworks/hw2/BayesianNetworks-template.txt