matlab貝葉斯工具箱

A. 求助，怎樣用貝葉斯網路工具箱實現樸素貝葉斯分類

第一步:貝葉斯網路工具箱

第二步:解壓壓縮包

第三步：將工具箱中bnt文件夾復制到matlab工具箱文件夾中

第四步：打開

B. matlab優化工具箱怎麼調用呀我們要處理貝葉斯診斷問題請問該怎麼操作

1、MATLAB自帶工具箱
查看方來式：源
首先詳細介紹一下MATLAB自帶工具箱的使用。
在不熟悉一些調用工具箱的命令的時候，可以在MATLAB主窗口中，點擊左下角start--toolboxes,就會羅列出MATLAB已經安裝的所有工具箱，可以根據個人的需要選擇將要使用的工具箱。可以看到有擬合工具箱、金融工具箱、最優化工具箱等等。

2、調用（打開）方式：以調用擬合工具箱為例，進行詳細的示例。
調用方式一：
按照以下步驟：
點擊主窗口左下角start--toolboxes--curve fitting--curve fitting tool 單擊，就可以打開擬合工具箱。

3、調用方式二：
在上一步中，在start--toolboxes--curve fitting--curve fitting tool ，到這里的時候，會看到在其後面有一個簡寫 cftool ，這就是擬合工具箱調用命令函數。在MATLAB主窗口中輸入cftool ，回車，同樣可以打開擬合工具箱。

4、工具箱的使用：
擬合工具箱打開之後，就可以進行多種曲線擬合了。

C. 怎麼通俗易懂地解釋貝葉斯網路和它的應用

我們首先呢下載貝葉斯網路工具箱再個呢解壓壓縮包然後將工具箱中bnt文件夾復制到matlab工具箱文件夾中（D:Program FilesMATLABR2014a oolbox）最後是打開matlab2014a，貝葉斯網路是處理不確定信息做有效的表示方法之一。其關鍵的特徵之一是提供了把整個概率分布分解成幾個局部分布的方法，網路的拓撲結構表明如何從局部的概率分布獲得完全的聯合概率分布。 貝葉斯網路適合於對領域知識具有一定了解的情況，至少對變數間的依賴關系較清楚。否則直接從數據中學習貝葉斯網路結構復雜性極高（隨節點的增加成指數級增長）在這個網路meta分析中，研究者比較了多種非類固醇抗炎葯治療膝、 髖關節骨性關節炎疼痛的療效，那兩個大點就是樣本量最大的兩個不同的葯物組（變數）。當然，偉大的貝葉斯統計怎麼會僅僅局限於對文獻數據的網路meta分析？教科書上說，貝葉斯網路，既形式上，一個貝葉斯網路就是一個有向無環圖，結點表示隨機變數，可以是可觀測量、隱含變數、未知參量或假設等；結點之間的郵箱邊表示條件依存關系，箭頭指向的結點依存於箭頭發出的結點（父節點），每個結點都與一個概率函數相關。看看！說明啥？長得多麼多麼像醫學中各個疾病與其危險因素的關系啊！多麼多麼像臨床診斷指南里一下症狀中幾條中滿足幾條考慮診斷的診斷軸啊！

D. bnt matlab 怎麼做mcmc有向無環貝葉斯網路結構學習

基於matlab的貝葉斯網路工具箱BNT是kevin p.murphy基於matlab語言開發的關於貝葉斯網路學習的開源包，提供了許多貝葉斯網路學習的底層基礎函數庫，支持多種類型的節點（概率分布）、精確推理和近似推理、參數學習及結構學習、靜態模型和動態模型。

貝葉斯網路表示：BNT中使用矩陣方式表示貝葉斯網路，即若節點i到j有一條弧，則對應矩陣中（i，j）值為1，否則為0。

結構學習演算法函數：BNT中提供了較為豐富的結構學習函數，都有：

1. 學習樹擴展貝葉斯網路結構的TANC演算法learn_struct_tan().

2. 2. 數據完整條件下學習一般貝葉斯網路結構的K2演算法learn_struct_k2()、貪婪搜索GS（greedy search）演算法learn_struct_gs()和爬山HC（hill climbing）演算法learn_struct_hc()等。

3. 3. 缺失數據條件下學習一般貝葉斯網路結構的最大期望EM（expectation maximization）演算法learn_struct_EM（）和馬爾科夫鏈蒙特卡羅MCMC（Markov Chain Monte Carlo）learn_struct_mcmc()演算法等。

4. 參數學習演算法函數：BNT中也提供了豐富的參數學習函數，都有：

5. 1． 完整數據時，學習參數的方法主要有兩種：最大似然估計learn_params()和貝葉斯方法bayes_update_params();

6. 2． 數據缺失時，如果已知網路拓撲結構，用EM演算法來計算參數，倘若未知網路拓撲結構，使用結構最大期望SEM（structure EM）演算法learn_struct_SEM()。

7. 推理機制及推理引擎：為了提高運算速度，使各種推理演算法能夠有效應用，BNT工具箱採用了引擎機制，不同的引擎根據不同的演算法來完成模型轉換、細化和求解。這個推理過程如下：

9. BNT中提供了多種推理引擎，都有：

10. 1． 聯合樹推理引擎jtree_inf_engine();

11. 2． 全局聯合樹推理引擎global_joint_inf_engine();

12. 3． 信念傳播推理引擎 belprop_inf_engine();

13. 4． 變數消元推理引擎 var_elim_inf_engine().
    

E. 如何在matlab2014a中添加貝葉斯網路工具箱

第一步:下載貝葉斯抄網路工具箱
第二步:解壓壓縮包
第三步：將工具箱中bnt文件夾復制到matlab工具箱文件夾中（D:\Program Files\MATLAB\R2014a\toolbox）
第四步：打開matlab2014a
貝葉斯網路是處理不確定信息做有效的表示方法之一。其關鍵的特徵之一是提供了把整個概率分布分解成幾個局部分布的方法，網路的拓撲結構表明如何從局部的概率分布獲得完全的聯合概率分布。
貝葉斯網路適合於對領域知識具有一定了解的情況，至少對變數間的依賴關系較清楚。否則直接從數據中學習貝葉斯網路結構復雜性極高（隨節點的增加成指數級增長）

F. 如何在matlab2012b下安裝貝葉斯網路工具箱

直接將
貝葉斯網路
工具箱所在的路徑
添加到matlab中的
setpath路徑下即可

G. MATLAB中貝葉斯的使用

請搜素BNT，就能得到你想要的

H. 求大神！matlab代碼錯誤如何調試，未定義的函數'mk_bnet'用於類型'cell'的輸入參數。

你要先向matlab中添加FULLBNT！！

2.向matlab中添加FULLBNT，參考地址：
http://hi..com/73290673/item/21db99f36d90bc49932af29d
採用MATLAB語言編制的貝葉斯網路工具箱(Bayesian Networks Toolbox,BNT)可實現貝葉斯網路結構學習、參數學習、推理和構建貝葉斯分類器,此工具箱在貝葉斯學習編 程方面非常靈活。
官方主頁：http://www.cs.ubc.ca/~murphyk/Software/BNT/bnt.html
官方下載：http://www.cs.ubc.ca/~murphyk/Software/BNT/FullBNT-1.0.4.zip
原文鏈接：http://hi..com/zgyz/blog/item/2d3627f415c7fbe77709d763.html
貝葉斯網路：http://www.cs.ubc.ca/~murphyk/Software/BNT/bnt.html
語音工具箱：http://www.ee.ic.ac.uk/hp/staff/dmb/voicebox/voicebox.html
1、解壓FullBNT-1.0.4.zip，將整個目錄FullBNT-1.0.4復制到MATLAB的安裝目錄的TOOLBOX目錄下，如D:\MATLAB7\toolbox\
2、打開Matlab，在MATLAB命令窗口中輸入以下命令：
>> cd D:\MATLAB7\toolbox\FullBNT-1.0.4
>> addpath(genpathKPM(pwd))
>>
將TOOLBOX下新加的BNT工具箱加到MATLAB的搜索路徑中去。
添加BNT工具箱的MATLAB的搜索路徑也可採用如下指令
>> addpath(genpath('D:\MATLAB7\toolbox\FullBNT-1.0.4'))
>>
3、為了永久保存上面的路徑，以免下次重啟MATLAB時重新添加，在MATLAB命令窗口下使用下面的命令：
>> savepath
>>
4、檢驗是否成功設置的方法：
在命令窗口中輸入以下命令：which test_BNT.m（可以為所加工具箱的任一個M文件名稱），如果顯示正確，就說明上面的設置成功。
>> which test_BNT.m
D:\MATLAB7\toolbox\FullBNT-1.0.4\BNT\test_BNT.m
>>
3.關於FULLBNT使用簡單教程
http://www.cs.ubc.ca/~murphyk/Software/BNT/usage.html#examples
http://blog.sina.com.cn/s/blog_6c7b434d01013ufz.html

參考鏈接：http://blog.csdn.net/moodytong/article/details/8122327