final version

Author: Howardhuang98

LearningWithExpertKnowledge/readme.md

@@ -1,21 +1,39 @@
-# expert.py
-专家部分
-# graph.py
-图部分
-# estimator.py
-算法主体
-# run/与data/
-放置运行脚本与数据
+# 融合专家知识的贝叶斯网络结构学习算法  
+score-based learning：  
+criterion：BIC with expert score，greedy hill climb.  
+本算法可以融合专家知识矩阵来提高贝叶斯网络结构学习的精度，提供了BIC评分的改进形式  
+算法由三个class组成，分别为estimator，expert，DAG组成。后期可以对estimator.score_function以及expert进行重写，对该算法进行改进。
 
-expert  
+expert专家部分  
   |----think  
-graph  
+graph图部分  
   |----get_parents  
   |----save_to_png  
-estimator  
+estimator算法主体  
   |----run   
   |----add_weight_to_edges  
   |----centrality_of_nodes  
+run/与data/  
+  |----放置运行脚本与数据  
+results/  
+  |----放置网络结构结果   文件格式为xlsx，可以直接放置在Cytoscape里进行可视化   https://cytoscape.org/   
 
+## Example with asian dataset
+```python
+from LearningWithExpertKnowledge.estimator import * 
+from LearningWithExpertKnowledge.expert import *
+if __name__ == '__main__':          
+   asian_data = pd.read_csv(r"../data/asian.csv", index_col=0)     
+   expert_data = pd.read_csv(r"../data/asian_expert.csv", index_col=0)     
+   huang = ExpertKnowledge(data=expert_data)     # 实例化专家huang
+   est = Estimator(data=asian_data, expert=huang, k=100000)     # 将数据，专家，超参数传入estimator
+   est.run()     # 运行估计器，每次迭代结果可以在log.txt中实时查看
+   est.DAG.save_to_png(weight=False)     # 保存DAG为png文件
+   print(est.DAG.edges)     # 打印结果
+```
 
-参考文献：高晓光, 叶思懋, 邸若海, 等. 基于融合先验方法的贝叶斯网络结构学习[J]. 系统工程与电子技术, 2018, 40(4): 790-796.
+
+
+
+## Reference：
+高晓光, 叶思懋, 邸若海, 等. 基于融合先验方法的贝叶斯网络结构学习[J]. 系统工程与电子技术, 2018, 40(4): 790-796.

requirements.txt

@@ -1,9 +1,11 @@
 cycler==0.10.0
 decorator==4.4.2
+et-xmlfile==1.1.0
 kiwisolver==1.3.1
 matplotlib==3.4.1
 networkx==2.5.1
 numpy==1.20.2
+openpyxl==3.0.7
 pandas==1.1.5
 Pillow==8.2.0
 pyparsing==2.4.7