bonjour a tous
je travaille actuellement sur les réseaux bayésiens , j'ai un fichier stress_binaire3.m ,un fichier de données stress_binaire.txt
jai fait un problème avec ce programme

Code : Sélectionner tout - Visualiser dans une fenêtre à part
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
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
%=========================================================================
% [II] apprentissage de la structure avec des données binaires 
%==========================================================================
 
 
close all 
clear all 
clc 
load stress_binaire.txt
 
%===================================================
%             matrice d'adjacence 
%===================================================
N=16;
dag=zeros(N,N);
 
%======================================================
%          numérotation des noeuds
%======================================================
% VitC vitE gama vitCE Se Cu Zn	Cu_Zn GSH GSSG GPX ratioGG	prot_thiol	AcideUrique
% c=1; e=2; ratioGG=6;thiol=7;  se=3;cu=4;zn=8;tbar=5;
 
c=16;                GSH=9;
e=2;                GSSG=10;
gama=3;             ratioGG=11;
c_e=4;              thiol=12;
se=5;                gpx=13;        
cu=6;                aci_ur=14;
zn=7;                mda=15; 
cu_zn=8;             tbar=1;
 
discrete_nodes=1:N;
%node_sizes=[4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4];
node_sizes=4*ones(1,N);
bnet=mk_bnet(dag,node_sizes,discrete_nodes);
 
% ==============================================
%         Affichage du graphe
% ==============================================
 
 
names={'c','e','gama','c_e','se','cu','zn','cu_zn','GHS','GSSG','ratioGG','thiol','gpx','aci_ur','mda','tbar'};
carre_rond= [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];
 
%Gs= mk_all_dags(N,0)
%draw_graph(bnet.dag,names,carre_rond)
 
%==========================================================================
%             MATRICE DE VARIANCE COVARIANCE
%==========================================================================
C = eye(16,16);
C(2,1:1) = [0.1373 ];
C(3,1:2) = [-0.0390   0.3428 ];
C(4,1:3) = [0.6874  -0.5210  -0.2238];
C(5,1:4) = [0.1415   0.1735   0.0394  -0.0153];
C(6,1:5) = [0.1850   0.0884   0.0254   0.1283   0.0609];
C(7,1:6) = [0.0295   0.0471   0.0922   0.0018   0.1655  -0.1064];
C(8,1:7) = [0.1344   0.0538  -0.0204   0.1392  -0.0452   0.8180  -0.5670];
C(9,1:8) = [0.0362  -0.0232   0.1411   0.0381   0.0832  -0.0662   0.1285  -0.1003];
C(10,1:9) = [0.1044   0.0676   0.1641   0.0400   0.0779  -0.0714  -0.0466  -0.0299   0.0087];
C(11,1:10) = [-0.0153  -0.0602  -0.1253   0.0281  -0.0595   0.0365   0.1084   0.0063   0.1513  -0.4628];
C(12,1:11) = [-0.0934  -0.0497   0.0629  -0.0948   0.3064  -0.1001   0.0972  -0.1084   0.0839   0.0726   0.0211];
C(13,1:12) = [-0.1207  -0.0694  -0.0480  -0.0853  -0.0254  -0.3992   0.2135  -0.4175   0.0679  -0.0197   0.0540   0.0214];
C(14,1:13) = [-0.1918   0.0863   0.1173  -0.2134   0.0444  -0.1915   0.1454  -0.2260  -0.1720   0.0251  -0.0650  -0.0101  -0.0249];
C(15,1:14) = [ 0.1050   0.2973   0.2612  -0.0832   0.1497   0.0019   0.1355  -0.0774   0.0147  -0.0922   0.0248   0.1433   0.0869  -0.1020];
C(16,1:15) = [  0.0727   0.1986   0.2392  -0.0688   0.0580   0.0663   0.1328  -0.0143  -0.0622  -0.0163  -0.0030   0.0970  -0.0702   0.0407   0.7505];
 
 
N = 16;
for i=1:N
  for j=i+1:N
    C(i,j)=C(j,i);
  end
end
 
p= size(stress_binaire,2);
max_fan_in = 16;
nsamples = 222;
alpha = 0.05;
%** D donne le nombre de parametres de réseaux bayesien,
%  D=compute_bnet_nparams(bnet)
%==========================================================================
%                   ALGORITHME PC **apprentissage de la structure**
%==========================================================================
%pdag = learn_struct_pdag_pc('cond_indep_fisher_z', n, max_fan_in, C, nsamples, alpha)
pdag = learn_struct_pdag_pc('cond_indep', N, N-2,stress_binaire);
draw_graph(bnet.dag,names,carre_rond)
 
 
%==========================================================================
%              utilisation de l'algorithme K2
%==========================================================================
 
%dag=learn_struct_k2(stress_binaire.txt',node_sizes,[1:16],'max_fan_in',15);
%draw_graph(dag,names,carre_rond)
%best_dag = learn_struct_K2(stressOXY, p, 'scoring_fn', 'bic', 'params', [])
Mon but est tout simplement de réaliser un apprentissage de la structure t...
Je ne connais pas du tout MatLab , j'ai un projet a réalisé dessus malheureusement...
j'ai donc ces erreurs la.
??? Error using ==> feval
Undefined function or method 'cond_indep' for input arguments of type 'double'.

Error in ==> learn_struct_pdag_pc at 40
	if feval(cond_indep, x, y, S, varargin{:})

Error in ==> stress_binaire3 at 86
pdag = learn_struct_pdag_pc('cond_indep', N, N-2,stress_binaire);

merci d'avance