AMartins | Tarefa 01 | 01

Francisco Coelho
1 parent 9d633d90
Showing 5 changed files with 164 additions and 0 deletions Show diff stats
students/amartins/tarefas/asia2.bif
students/amartins/tarefas/graph_asia2.png
students/amartins/tarefas/tarefa1a.py
students/amartins/tarefas/tarefa1b.py
students/amartins/tarefas/v01-tarefa1a.py
@@ -0,0 +1,60 @@
+network unknown {
+}
+variable asia {
+  type discrete [ 2 ] { yes, no };
+}
+variable tub {
+  type discrete [ 2 ] { yes, no };
+}
+variable smoke {
+  type discrete [ 2 ] { yes, no };
+}
+variable lung {
+  type discrete [ 2 ] { yes, no };
+}
+variable bronc {
+  type discrete [ 2 ] { yes, no };
+}
+variable either {
+  type discrete [ 2 ] { yes, no };
+}
+variable xray {
+  type discrete [ 2 ] { yes, no };
+}
+variable dysp {
+  type discrete [ 2 ] { yes, no };
+}
+probability ( asia ) {
+  table 0.01, 0.99;
+}
+probability ( tub | asia ) {
+  (yes) 0.05, 0.95;
+  (no) 0.01, 0.99;
+}
+probability ( smoke ) {
+  table 0.5, 0.5;
+}
+probability ( lung | smoke ) {
+  (yes) 0.1, 0.9;
+  (no) 0.01, 0.99;
+}
+probability ( bronc | smoke ) {
+  (yes) 0.6, 0.4;
+  (no) 0.3, 0.7;
+}
+probability ( either | lung, tub ) {
+  (yes, yes) 1.0, 0.0;
+  (no, yes) 1.0, 0.0;
+  (yes, no) 1.0, 0.0;
+  (no, no) 0.0, 1.0;
+}
+probability ( xray | either ) {
+  (yes) 0.98, 0.02;
+  (no) 0.05, 0.95;
+}
+probability ( dysp | bronc, either ) {
+  (yes, yes) 0.9, 0.1;
+  (no, yes) 0.7, 0.3;
+  (yes, no) 0.8, 0.2;
+  (no, no) 0.1, 0.9;
+}
@@ -0,0 +1,38 @@
+import bnlearn as bn
+
+asia = bn.import_DAG("asia2.bif")
+
+model = asia['model'] # Cria um objeto BayesianModel
+
+
+
+nos = model.nodes()
+print("Número de nós:", len(nos))        #resposta à pergunta "quantos nós tem a rede?"
+
+print("Lista de nós:", nos)
+
+asc = 0
+des = 0
+nos_in = 0
+nos_out = 0
+
+for x in nos:
+    # Obtem os nós pais e filhos de cada nós
+    parents = model.get_parents(x)
+    children = model.get_children(x)
+    
+    if len(parents) != 0:
+        asc += 1
+    if len(children) != 0:
+        des += 1
+    nos_in += len(children)
+    nos_out += len(parents)
+    
+#resposta à pergunta "quantos nós são descendentes? quantos são ascendentes?"
+print("Nós ascendentes: ", asc)
+print("Nós descendentes: ", des)
+# resposta à pergunta "qual é o número médio de arestas "in"? e "out"?"
+nos_in = nos_in/len(nos)
+nos_out = nos_out/len(nos)
+print("Número médio de arestas in: ", nos_in)
+print("Número médio de arestas out: ", nos_out)
 \ No newline at end of file
@@ -0,0 +1,35 @@
+import bnlearn as bn
+import networkx as nx
+import pydot
+from networkx.drawing.nx_pydot import graphviz_layout
+
+asia = bn.import_DAG("asia2.bif")
+model = asia['model']
+
+# DiGraph do networkx
+G = nx.DiGraph()
+
+for node in model.nodes:
+    G.add_node(node)
+
+for edge in model.edges:
+    G.add_edge(edge[0], edge[1])
+
+# objeto pydot
+dot = pydot.Dot(graph_type='digraph')
+
+for node in model.nodes:
+    dot.add_node(pydot.Node(node))
+
+for edge in model.edges:
+    dot.add_edge(pydot.Edge(edge[0], edge[1]))
+
+# defina o layout do grafo
+pos = graphviz_layout(G, prog='dot')
+
+# desenhe o grafo usando o networkx
+nx.draw(G, pos, with_labels=True)
+
+# renderize o grafo com o pydot
+graph = pydot.graph_from_dot_data(dot.to_string())[0]
+graph.write_png('graph_asia2.png')
@@ -0,0 +1,31 @@
+import bnlearn as bn
+
+asia = bn.import_DAG("asia2.bif")
+
+model = asia['model'] # Cria um objeto BayesianModel
+
+
+
+nos = model.nodes()
+print("Número de nós:", len(nos))        #resposta à pergunta "quantos nós tem a rede?"
+
+print("Lista de nós:", nos)
+
+nos_in = 0
+nos_out = 0
+
+for x in nos:
+    # Obtem os nós pais e filhos de cada nós
+    parents = model.get_parents(x)
+    children = model.get_children(x)
+    #resposta à pergunta "quantos nós são descendentes? quantos são ascendentes?"
+    print("Pais de ", x, ": ", parents)
+    print("Filhos de ", x, " :", children)
+    nos_in += len(children)
+    nos_out += len(parents)
+
+# resposta à pergunta "qual é o número médio de arestas "in"? e "out"?"
+nos_in = nos_in/len(nos)
+nos_out = nos_out/len(nos)
+print("Número médio de arestas in: ", nos_in)
+print("Número médio de arestas out: ", nos_out)
 \ No newline at end of file
@@ -0,0 +1,60 @@		@@ -0,0 +1,60 @@
	1	+network unknown {
	2	+}
	3	+variable asia {
	4	+ type discrete [ 2 ] { yes, no };
	5	+}
	6	+variable tub {
	7	+ type discrete [ 2 ] { yes, no };
	8	+}
	9	+variable smoke {
	10	+ type discrete [ 2 ] { yes, no };
	11	+}
	12	+variable lung {
	13	+ type discrete [ 2 ] { yes, no };
	14	+}
	15	+variable bronc {
	16	+ type discrete [ 2 ] { yes, no };
	17	+}
	18	+variable either {
	19	+ type discrete [ 2 ] { yes, no };
	20	+}
	21	+variable xray {
	22	+ type discrete [ 2 ] { yes, no };
	23	+}
	24	+variable dysp {
	25	+ type discrete [ 2 ] { yes, no };
	26	+}
	27	+probability ( asia ) {
	28	+ table 0.01, 0.99;
	29	+}
	30	+probability ( tub \| asia ) {
	31	+ (yes) 0.05, 0.95;
	32	+ (no) 0.01, 0.99;
	33	+}
	34	+probability ( smoke ) {
	35	+ table 0.5, 0.5;
	36	+}
	37	+probability ( lung \| smoke ) {
	38	+ (yes) 0.1, 0.9;
	39	+ (no) 0.01, 0.99;
	40	+}
	41	+probability ( bronc \| smoke ) {
	42	+ (yes) 0.6, 0.4;
	43	+ (no) 0.3, 0.7;
	44	+}
	45	+probability ( either \| lung, tub ) {
	46	+ (yes, yes) 1.0, 0.0;
	47	+ (no, yes) 1.0, 0.0;
	48	+ (yes, no) 1.0, 0.0;
	49	+ (no, no) 0.0, 1.0;
	50	+}
	51	+probability ( xray \| either ) {
	52	+ (yes) 0.98, 0.02;
	53	+ (no) 0.05, 0.95;
	54	+}
	55	+probability ( dysp \| bronc, either ) {
	56	+ (yes, yes) 0.9, 0.1;
	57	+ (no, yes) 0.7, 0.3;
	58	+ (yes, no) 0.8, 0.2;
	59	+ (no, no) 0.1, 0.9;
	60	+}
	@@ -0,0 +1,38 @@		@@ -0,0 +1,38 @@
		1	+import bnlearn as bn
		2	+
		3	+asia = bn.import_DAG("asia2.bif")
		4	+
		5	+model = asia['model'] # Cria um objeto BayesianModel
		6	+
		7	+
		8	+
		9	+nos = model.nodes()
		10	+print("Número de nós:", len(nos)) #resposta à pergunta "quantos nós tem a rede?"
		11	+
		12	+print("Lista de nós:", nos)
		13	+
		14	+asc = 0
		15	+des = 0
		16	+nos_in = 0
		17	+nos_out = 0
		18	+
		19	+for x in nos:
		20	+ # Obtem os nós pais e filhos de cada nós
		21	+ parents = model.get_parents(x)
		22	+ children = model.get_children(x)
		23	+
		24	+ if len(parents) != 0:
		25	+ asc += 1
		26	+ if len(children) != 0:
		27	+ des += 1
		28	+ nos_in += len(children)
		29	+ nos_out += len(parents)
		30	+
		31	+#resposta à pergunta "quantos nós são descendentes? quantos são ascendentes?"
		32	+print("Nós ascendentes: ", asc)
		33	+print("Nós descendentes: ", des)
		34	+# resposta à pergunta "qual é o número médio de arestas "in"? e "out"?"
		35	+nos_in = nos_in/len(nos)
		36	+nos_out = nos_out/len(nos)
		37	+print("Número médio de arestas in: ", nos_in)
		38	+print("Número médio de arestas out: ", nos_out)
0	\ No newline at end of file	39	\ No newline at end of file
@@ -0,0 +1,35 @@		@@ -0,0 +1,35 @@
	1	+import bnlearn as bn
	2	+import networkx as nx
	3	+import pydot
	4	+from networkx.drawing.nx_pydot import graphviz_layout
	5	+
	6	+asia = bn.import_DAG("asia2.bif")
	7	+model = asia['model']
	8	+
	9	+# DiGraph do networkx
	10	+G = nx.DiGraph()
	11	+
	12	+for node in model.nodes:
	13	+ G.add_node(node)
	14	+
	15	+for edge in model.edges:
	16	+ G.add_edge(edge[0], edge[1])
	17	+
	18	+# objeto pydot
	19	+dot = pydot.Dot(graph_type='digraph')
	20	+
	21	+for node in model.nodes:
	22	+ dot.add_node(pydot.Node(node))
	23	+
	24	+for edge in model.edges:
	25	+ dot.add_edge(pydot.Edge(edge[0], edge[1]))
	26	+
	27	+# defina o layout do grafo
	28	+pos = graphviz_layout(G, prog='dot')
	29	+
	30	+# desenhe o grafo usando o networkx
	31	+nx.draw(G, pos, with_labels=True)
	32	+
	33	+# renderize o grafo com o pydot
	34	+graph = pydot.graph_from_dot_data(dot.to_string())[0]
	35	+graph.write_png('graph_asia2.png')
	@@ -0,0 +1,31 @@		@@ -0,0 +1,31 @@
		1	+import bnlearn as bn
		2	+
		3	+asia = bn.import_DAG("asia2.bif")
		4	+
		5	+model = asia['model'] # Cria um objeto BayesianModel
		6	+
		7	+
		8	+
		9	+nos = model.nodes()
		10	+print("Número de nós:", len(nos)) #resposta à pergunta "quantos nós tem a rede?"
		11	+
		12	+print("Lista de nós:", nos)
		13	+
		14	+nos_in = 0
		15	+nos_out = 0
		16	+
		17	+for x in nos:
		18	+ # Obtem os nós pais e filhos de cada nós
		19	+ parents = model.get_parents(x)
		20	+ children = model.get_children(x)
		21	+ #resposta à pergunta "quantos nós são descendentes? quantos são ascendentes?"
		22	+ print("Pais de ", x, ": ", parents)
		23	+ print("Filhos de ", x, " :", children)
		24	+ nos_in += len(children)
		25	+ nos_out += len(parents)
		26	+
		27	+# resposta à pergunta "qual é o número médio de arestas "in"? e "out"?"
		28	+nos_in = nos_in/len(nos)
		29	+nos_out = nos_out/len(nos)
		30	+print("Número médio de arestas in: ", nos_in)
		31	+print("Número médio de arestas out: ", nos_out)
0	\ No newline at end of file	32	\ No newline at end of file