数据分享|spss modeler用贝叶斯网络分析糯稻品种影响因素数据可视化

在农业科学领域,对糯稻品种的研究一直备受关注。

由Kaizong Ye,Liao Bao撰写

糯稻作为一种重要的粮食作物,其产量和质量均对农业生产具有深远的影响。

然而,影响糯稻品种的因素是多元化的,理解这些因素之间的关系以及如何通过数据可视化来呈现这些关系,是提高糯稻生产的关键。

本文将帮助客户探讨使用SPSS Modeler软件结合贝叶斯网络分析方法,对糯稻品种影响因素的数据进行可视化分析。

本文的目的是通过使用SPSS Modeler中的贝叶斯网络分析,对糯稻品种影响因素的数据进行可视化,以便更好地理解各因素之间的关系以及其对糯稻品种的影响。我们希望通过这种方法能够提供更深入的见解,以支持糯稻生产的决策制定。

贝叶斯网络和SPSS Modeler概述

贝叶斯网络是一种概率图模型,它利用节点间的依赖关系来表达变量之间的概率关系。贝叶斯网络由两部分组成:有向无环图(DAG)和条件概率表(CPT)。其中,DAG描述了各变量之间的依赖关系,CPT描述了每个变量的条件概率分布。

SPSS Modeler是一个强大的数据挖掘工具,它提供了一系列的高级分析技术,包括贝叶斯网络。在SPSS Modeler中,通过构建贝叶斯网络模型,我们可以对数据进行全面的分析,并利用数据可视化工具直观地呈现结果。

数据收集和处理过程

本文所使用的数据来自某地区的糯稻种植基地。数据包括环境因素(如气候、土壤等)、品种信息和产量等。

使用SPSS Modeler进行贝叶斯网络建模

在SPSS Modeler中,我们可以使用以下步骤进行贝叶斯网络建模:

  1. 导入数据:将处理后的数据导入SPSS Modeler中。
  2. 创建贝叶斯网络模型:在SPSS Modeler中创建一个新的贝叶斯网络模型。
  3. 定义节点:在模型中定义各个节点,包括环境因素、品种信息和产量等。
  4. 构建依赖关系图:根据数据中的依赖关系,构建各节点之间的有向无环图(DAG)。
  5. 估计参数:使用贝叶斯方法估计模型中的参数,包括条件概率表(CPT)中的参数。
  6. 进行推理:根据建立的模型进行推理,以分析各因素对糯稻品种的影响。
  7. 可视化结果:将推理结果进行可视化处理,生成各因素与糯稻品种之间的关系图。

视频

R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例

探索见解

去bilibili观看

探索更多视频

变量重要性

变量重要性是指特征对目标变量的影响程度,即在模型中特征的重要性程度。

image.png

依赖关系图

从结果来看,品种和各个因素有着重要联系,同时海拔和其他因子之间存在联系。

image.png

R语言bnlearn包:贝叶斯网络的构造及参数学习的原理和实例

阅读文章


image.png


随时关注您喜欢的主题


l  通过条件概率可以看到不同因子中不同品种的概率变化

各个节点的概率变化

image.png
image.png
image.png
image.png
image.png
image.png
image.png

各影响因子的 关联度 

因子(节点)的关联度离散化分段Importance
0.4975 糯稻品种数
0.94660 : <= 28.4 1 : 28.4 ~ 56.8 2 : 56.8 ~ 85.2 3 : 85.2 ~ 113.6 4 : > 113.6祭祀
0.33560 : <= 9.467 1 : 9.467 ~ 18.933 2 : 18.933 ~ 33.133 3 : > 33.133轮种
0.41420 : <= 9.267 1 : 9.267 ~ 17.533 2 : 17.533 ~ 25.8 3 : 25.8 ~ 34.067 4 : > 34.067混种
0.81440 : <= 9.8 1 : 9.8 ~ 24.5 2 : 24.5 ~ 39.2 3 : > 39.2留种
0.69320 : <= 5.667 1 : 5.667 ~ 11.333 2 : 11.333 ~ 19.833 3 : > 19.833交换
0.07220 : <= 10 1 : 10 ~ 20 2 : 20 ~ 35 3 : > 35饮食
0.58750 : <= 9.6 1 : 9.6 ~ 24 2 : 24 ~ 38.4 3 : > 38.4节日
0.50120 : <= 8.3 1 : 8.3 ~ 16.6 2 : > 16.6社会交往
0.2020 : <= 10.4 1 : 10.4 ~ 20.8 2 : 20.8 ~ 31.2 3 : 31.2 ~ 41.6 4 : > 41.6人类礼仪
0.50120 : <= 13.5 1 : 13.5 ~ 31.5 2 : > 31.5海拔

l  预测变量重要性  这将显示一个图表,以指示在估计模型时所使用的各个预测变量的相对重要性。

l  给出各影响因子的重要性 ( 用图排序表示)

image.png
NodesImportanceV4
祭祀Bins0.0961祭祀
轮种Bins0.0962轮种
混种Bins0.0963混种
留种Bins0.0964留种
交换Bins0.0965交换
饮食Bins0.0966饮食
节日Bins0.0967节日
社会交往Bins0.0968社会交往
人类礼仪Bins0.0969人类礼仪
海拔Bins0.1291海拔

最终我们得到了下面的结果文件:

image.png


每日分享最新报告和数据资料至会员群

关于会员群

  • 会员群主要以数据研究、报告分享、数据工具讨论为主;
  • 加入后免费阅读、下载相关数据内容,并同步海内外优质数据文档;
  • 老用户可九折续费。
  • 提供报告PDF代找服务

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds