贝叶斯网络如何显示节点名称

2.4.1.1　贝叶斯网络界面介绍

贝叶斯网络节点设置：

贝叶斯网络节点的参数设置包括【注解】【分析】【专家】【模型】【字段】5张选项卡。

【字段】选项卡，用来指定贝叶斯网络模型的输入变量和目标变量，如图2-110。

图2-110　【贝叶斯网络】节点的【字段】选项卡界面

【模型】选项卡用来设置贝叶斯网络模型的主要参数，如图2-111。

【继续训练现有模型】

【结构类型：】，指的是规定贝叶斯网络的类型，包括【TAN】和【马尔可夫覆盖】。

【TAN】，指的是建立TAN贝叶斯网络模型。

【马尔可夫覆盖】，指的是建立马尔可夫毯网络模型。

【包括功能选项预处理步骤】，指的是要先剔除对于输出变量没有显著意义的输入变量，之后再建立模型。

【参数学习方法：】，指的是规定模型参数的评估方法，包括【最大似然】和【对小单元格计数的贝叶斯调整】。

【最大似然】，指的是利用极大似然估计。

【对小单元格计数的贝叶斯调整】，指的是利用贝叶斯方法来进行参数的估计；需要说明的是，当利用极大似然估计，很有可能会因为训练样本小来导致较多条件概率的估计为0，在这种情况下，选择该项效果最好。

图2-111　【贝叶斯网络】节点的【模型】选项卡界面

【专家】选项卡，用来设置贝叶斯网络模型的高级参数，如图2-112。

【模式】包括【简单】和【专家】，【简单】指的是利用IBM SPSS Modeler的默认参数；【专家】指的是手动设置参数。

选中【专家】，

【缺失值】，指的是当训练样本存在缺失值时的处理方法。

【仅使用完整记录】，指的是利用完整的样本来建立模型，剔除掉带有缺失值的样本；如果没有选择该项，IBM SPSS Modeler则会利用Gibbs抽样方法来填补缺失的值，之后再建立模型。

图2-112　【贝叶斯网络】节点的【专家】选项卡界面

2.4.1.2　简单例子

贝叶斯网络可以解决分类问题。本次以预测A井目的层段致密砂砾岩岩性为例，来详细介绍贝叶斯网络的使用。

贝叶斯网络岩性预测模型建立的具体操作如下。

本次利用的数据是A井目的层段测井和岩性数据。

插入【变量】节点（位于节点选用板的【源】中，如图2-113）、【类型】节点（位于节点选用板的【字段选项】中，如图2-114）、【分区】节点（位于节点选用板的【字段选项】中，如图2-114）和【贝叶斯网络】节点（位于节点选用板的【建模】中的【分类】中，如图2-115），依次连接，贝叶斯网络岩性预测模型流初步设置成功，如图2-116。

图2-113　节点选用板的【源】界面

图2-114　节点选用板的【字段选项】界面

图2-115　节点选用板的【建模】中的【分类】界面

图2-116　初步建立的贝叶斯网络岩性预测模型流

【变量】节点设置：

【变量】节点用来导入分析数据。双击【变量】节点，出现【变量】节点的【浏览文件】界面，单击【浏览文件】（图2-117），选择目标分析数据，点击【打开】（图2-118），可以看到目标文件导入到了变量节点（图2-119），点击【应用】，分析数据导入成功。

图2-117　【变量】节点的【文件】界面（数据未输入）

图2-118　【变量】节点的【浏览文件】界面

图2-119　【变量】节点的【文件】界面（数据已经输入）

【类型】节点设置：

【类型】节点用来设置输入变量和目标变量的【测量】和【角色】。AC、CALI、CNL、DEN、GR、PORE、RI、RT、RXO、VCL属于输入变量，为数值型，其【角色】设置为【输入】，【测量】设置为连续；岩性变量属于目标变量，为分类型，其角色设置为【目标】，【测量】设置为【名义】（图2-120），点击【应用】，设置成功。

图2-120　【类型】节点界面

【分区】节点设置：

【分区】节点可以把样本数据分成训练集和测试集。选择【训练和测试（T）】，设置【训练分区大小】为90，【测试分区大小】为10，点击【应用】（图2-121），设置成功。

图2-121　【分区】节点界面

【贝叶斯网络】节点设置：

【贝叶斯网络】节点用来建立贝叶斯网络预测模型。

在【字段】选项卡界面设置【输入】和【目标】，本次选择【使用预定义角色（D）】（图2-122）。

图2-122　【贝叶斯网络】节点的【字段】界面

在【模型】选项卡设置贝叶斯网络模型的基本参数（图2-123）。选择【使用分区数据】和【为每个分割构建模型】；【结构类型】选择【TAN】，即建立TAN贝叶斯网络模型；【参数学习方法：】选择【最大似然】，即利用极大似然估计来评估模型参数。

图2-123　【贝叶斯网络】的【模型】选项卡界面

在【专家】选项卡中设置贝叶斯网络模型的高级参数（图2-124）。本次选择【简单】，即使用系统的默认参数。

图2-124　【贝叶斯网络】的【专家】选项卡界面

在【分析】选项卡中选择【计算预测变量重要性】（图2-125）。

图2-125　贝叶斯网络模型的【分析】选项卡界面

点击运行，生成贝叶斯网络模型运行结果（图2-126）；同时为了方便地分析预测结果的准确性，添加分析节点，如图2-127。

图2-126　含有模型运行结果的贝叶斯网络岩性预测模型流（钻石形状的节点为模型运行结果）

图2-127　含有【分析】节点的贝叶斯网络岩性预测模型流

双击【分析】节点，点击【运行】（图2-128），得到模型的分析结果（图2-129）。

图2-128　【分析】节点的【分析】界面

其中，【1_培训】代表训练集，【1_测试】代表测试集；从分析结果可以轻易看到，训练集的预测准确性为52.33%，测试集的预测准确性为18.75%，说明模型的预测精度低，泛化能力弱，不能准确地识别砂砾岩和泥岩。

图2-129　【分析】结果界面