贝叶斯网(例子预测产品销量)

image.png
package main.scala.chap05

import com.cra.figaro.language._
import com.cra.figaro.library.atomic.discrete.{Binomial, Poisson}
import com.cra.figaro.library.compound.If
import com.cra.figaro.algorithm.sampling.Importance

object ProductDistribution {


  // 社交网络
  class Network(popularity: Double) {

    // 目标客户社交网络中的平均人数
    val numNodes = Poisson(popularity)
  }

  class Model(targetPopularity: Double, productQuality: Double, affordability: Double) {

    /**
      *
      * @param numFriends
      * @param productQuality
      * @return
      */
    def generateLikes(numFriends: Int, productQuality: Double): Element[Int] = {

      /**
        *
        * @param friendsVisited 已经得到产品信息的人
        * @param totalLikes 受访者中喜欢产品的人数
        * @param unprocessedLikes 尚未模拟向其朋友推销的人中喜欢产品的人数
        * @return
        */
      def helper(friendsVisited: Int, totalLikes: Int, unprocessedLikes: Int): Element[Int] = {
        if (unprocessedLikes == 0) Constant(totalLikes)
        else {
          val unvisitedFraction = //#C
            1.0 - (friendsVisited.toDouble - 1)/ (numFriends - 1) //#C
          val newlyVisited = Binomial(2, unvisitedFraction)
          val newlyLikes = Binomial(newlyVisited, Constant(productQuality))
          Chain(newlyVisited, newlyLikes,
                (visited: Int, likes: Int) =>
                  helper(friendsVisited + visited, totalLikes + likes, unprocessedLikes + likes - 1))
        }
      }
      helper(1, 1, 1)
    }

    // 随机一个社交网络
    val targetSocialNetwork = new Network(targetPopularity)

    // 目标是否喜好产品,基于产品质量
    val targetLikes = Flip(productQuality)

    // 如果目标喜欢产品,计算朋友喜欢产品的数量。
    val numberFriendsLike =
      Chain(targetLikes, targetSocialNetwork.numNodes,
            (l: Boolean, n: Int) =>
              if (l) generateLikes(n, productQuality); else Constant(0))

    // 喜欢产品的人购买产品的概率定义, 二项分布
    // 社交网络中的人数,产品质量0~1
    val numberBuy = Binomial(numberFriendsLike, Constant(affordability))
  }

  def predict(targetPopularity: Double, productQuality: Double, affordability: Double): Double = {
    val model = new Model(targetPopularity, productQuality, affordability)
    val algorithm = Importance(1000, model.numberBuy)
    algorithm.start()

    // 推理期望
    val result = algorithm.expectation(model.numberBuy, (i: Int) => i.toDouble)
    algorithm.kill()
    result
  }


  /**
    * Figaro is used as a simulation language,
    * predicts what will happen in the future.
    *
    * 也可以反向推理
    * @param args
    */
  def main(args: Array[String]) {
    println("Popularity\tProduct quality\tAffordability\tPredicted number of buyers")
    println("100       \t0.5            \t0.5          \t" + predict(100, 0.5, 0.5))
    println("100       \t0.5            \t0.9          \t" + predict(100, 0.5, 0.9))
    println("100       \t0.9            \t0.5          \t" + predict(100, 0.9, 0.5))
    println("100       \t0.9            \t0.9          \t" + predict(100, 0.9, 0.9))
    println("10        \t0.5            \t0.5          \t" + predict(10, 0.5, 0.5))
    println("10        \t0.5            \t0.9          \t" + predict(10, 0.5, 0.9))
    println("10        \t0.9            \t0.5          \t" + predict(10, 0.9, 0.5))
    println("10        \t0.9            \t0.9          \t" + predict(10, 0.9, 0.9))
  }
}



©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,468评论 5 473
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,620评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,427评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,160评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,197评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,334评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,775评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,444评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,628评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,459评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,508评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,210评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,767评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,850评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,076评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,627评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,196评论 2 341

推荐阅读更多精彩内容