• 1000 (один и тот же набор переменных не обязательно собирается в оба момента времени). Я хотел бы использовать этот набор переменных, чтобы узнать «путь», ведущий к скрытой переменной, которую я получил ранее в LGMM, которая классифицирует людей по 4 траекториям симптомов посттравматического стрессового расстройства. m, следующие за ним, идентифицировали локальную сеть, «используя алгоритм GLL-P C для локального и глобального обучения HITON-P C, чтобы идентифицировать минимальный набор переменных, связанных с интересующей конечной переменной (целевой переменной)». Однако их целевая переменная была по существу двоичной (класс A и класс B).
Хотя я думаю, что смог изучить глобальную сеть с переменными в соответствующей временной организации через черный список, я не уверен, что Я должен уточнить некоторые аспекты процесса.
Сначала несколько общих концептуальных вопросов:
- Нужно ли мне преобразовывать все мои переменные в дискретные или все непрерывные? Нужно ли мне сначала изучать глобальную сеть, а затем устанавливать целевую переменную для обучения локальной сети? Или это просто визуальная оценка сетевого графика, на котором вы видите, какие пути существуют для «целевой переменной»?
- Может ли целевая переменная быть «многоуровневой» (4 траектории симптомов), а не двоичной? Если да, могу ли я разделить «пути» или «локальные сети», которые ведут к каждой целевой траектории?
И вопрос по кодированию ... Я реализовал загрузочную глобальную сеть через:
boot.strength(test_6mo, R=100, algorithm="si.hiton.pc", algorithm.args=list(blacklist=STAR_blacklist))
"test_6mo" - это мой фрейм данных из 192 субъектов и 48 переменных, представляющих интерес, включая цель. Есть ли способ указать, какая у меня целевая переменная при начальной загрузке? Изучая документацию в "bnlearn", похоже, что это не так. Если нет, есть ли альтернативный метод, где я могу указать цель?
Спасибо!