分享 | scala - figaro概率编程入门

Posted 2021-04-25 擎创夏洛克AIOps

《概率论与数理统计》是学生的必修课，本人隐隐约约还能想起个一二三。figaro(费加罗)是基于scala语言的概率编程软件，可以在这里获取相关信息。虽说数学思想才是核心，但是要借助计算机得以计算大规模数据。本博文意在说明数学原理与算法的同时，还要详细讲解figaro库的使用方法(“调参侠”不可取)。

概率推理是领域模型在不确定性条件下做出决策的一种方法。这里以角球模型来讲解:有统计显示9%的角球会造成进球，攻方中锋身高1.9米、以头球著称，守方门将刚刚受伤，被仅仅第一次出场的替补门将换上，而且球场的风很大。

现在来简要说明三种推理方式:

• 预测未来事件，如下图所示，根据当前情况预测是否进球，证据一般包括中锋身高、守门员经验和风力。

• 推断事件的原因，现在快进20秒后，发现进球了，请评估这位守门员的水平如何？用于预测未来事件的模型同样也可以用于事后推断结果的根源。证据与以前一样结合进球得分这一事实，以此来评估守门员水平。模型本身遵守时间顺序，但是推理可以向前和向后。

• 从过去的事件中学习，更好的预测未来事件，再次快进10分钟，发现又有一次角球机会，现在与前一次角球的情况相类似，请评估此次角球进球的概率。证据来自上一次进球的情况。

说明:
推理系统得到数据越多，预测越准确。预测的质量取决于两点:原始模型的准确度和提供数据量。提供的数据量越多，原始模型越不重要，系统会去忘掉那些不那么重要的原始模型。如果提供的数据量越小，那么只有在原始模型十分准确的时候，才能作出确切的推理。

hello world

现在有这样的概率分布:

上图说明：今天有20%的可能性放晴，在晴天的时候，问候语有60%的可能性是“hello”，如果今天是晴天，那么明天有80%的可能性是晴天。
问题：

• 如果今天的问候语是“hello”的概率是多少？

• 如果今天的问候语是“hello”，那么今天是晴天的概率是多少？

• 如果今天的问候语是“hello”，那么明天的问候语也是“hello”的概率是多少？

在这里我们先说明贝叶斯公式(贝叶斯方法十分复杂，三言两语说不清，这里只是说明其形式)：

• 条件概率:事件A在事件B已经发生条件下的发生概率，记为P(A|B)

• 联合概率:两件事共同发生的概率，记为P(A∩B)

• 边缘概率(先验概率):在联合概率中，把不需要的事件合并为它的全概率，从而消去这些无关变量。事件A的的边缘概率记为P(A)

解答以上的三个问题
记今天为晴天为事件A，今天问候语为“hello”为事件B

• P(B)=0.2*0.6+0.8*0.2

• 第二个问题需要贝叶斯公式，在今天的问候语是“hello”的情况下，去计算今天是晴天的概率:P(A|B)=(0.6)*0.2/(0.2*0.6+0.8*0.2)。

• 第三个问题先计算出今天晴天的概率(已由问题二给出答案)，然后计算明天晴天的概率(根据链式法则)

解答完毕，接下来采用编程方式解决以上三个问题。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

import com.cra.figaro.language.{Flip,Select} import com.cra.figaro.library.compound.If import com.cra.figaro.algorithm.factored.VariableElimination object Main{ val sunnyToday=Flip(0.2) val greetingToday=If(sunnyToday,Select(0.6->"hello",0.4->"no"),Select(0.2->"hello",0.8->"no")) val sunnyTomorrow=If(sunnyToday,Flip(0.8),Flip(0.05)) val greetingTomorrow=If(sunnyTomorrow,Select(0.6->"hello",0.4->"no"),Select(0.2->"hello",0.8->"no")) //以上是定义模型部分 def predict()={ val result=VariableElimination.probability(greetingToday,"hello") println("Today's greeting is hello with probability "+result) } def infer()={ greetingToday.observe("hello") val result=VariableElimination.probability(sunnyToday,true) println("If today's greeting is hello ,today's weather is sunny with probaility :"+result) } def learnAndPredict()={ greetingToday.observe("hello") val result=VariableElimination.probability(greetingTomorrow,"hello") println("If today's greeting is hello,tommorrow's greeting is hello with probability :"+result) } def main(args: Array[String]): Unit = { predict() //预测 infer() //推理 learnAndPredict() //学习与预测 } } // output Today's greeting is hello with probability 0.28 If today's greeting is hello ,today's weather is sunny with probaility :0.4285714285714285 If today's greeting is hello,tommorrow's greeting is hello with probability :0.3485714285714286

程序解释:

1	val sunnyToday=Flip(0.2)

，这句话定义了一个变量，代表了产生true值的概率为0.2、产生false值的概率为0.8的随机过程。因此,Flip(0.2)是一个可能取值为true和false的元素。

接下来，使用If和Select构建更复杂的元素：

1	val greetingToday=If(sunnyToday,Select(0.6->"hello",0.4->"no"),Select(0.2->"hello",0.8->"no"))

，这个元素代表着一个随机过程，如果sunnyToday为true，那么选择”hello”的概率为0.6而且”on”的概率为0.4，如果sunnyToday为false，就选择后者。

假设今天已经观测到今天的问候语是”hello”，那么可为系统提供这一证据:

1	greetingToday.observe("hello")

然后再查询今天是晴天的概率:

1 2 3

val result=VariableElimination.probability(sunnyToday,true) println(result) // 0.4285714285714285

我们看到输出结果明显高于先前的0.2，因为今天的问候语是”hello”，那么今天是晴天的概率更高。这一推理是运用贝叶斯方法的简单实例。
移除观察值可以使用greetingToday.unobserver()方法。

在没有今天问候语证据情况下，得到明天的问候语为”hello”的概率为:

1 2	println(VariableElimination.probability(greetingTomorrow,"hello")) //0.27999999999999997

若得到今天问候语为”hello”，则明天的问候语为”hello”的概率为:

1 2 3

greetingToday.observe("hello") println(VariableElimination.probability(greetingTomorrow,"hello")) // 0.3485714285714286

我们可以看到结果比之前的更大，今天的问候语是“hello”，则今天是晴天的可能性更高，那么明天是晴天的概率也很大，最终明天的问候语更可能是”hello”。推断过去是为了预测未来，figaro负责了所有计算。

---

夏洛克ITOA

Make Data Think

人工智能 | 机器学习 | IT运维