В моих данных отсутствуют только данные (*
) в правой части последовательностей. Это означает, что никакая последовательность не начинается с *
и ни одна последовательность не имеет других маркеров после *
. Несмотря на это, PST (вероятностное дерево суффиксов), по-видимому, предсказывает 90%-ную вероятность начала с *
. Вот мой код:
# Load libraries
library(RCurl)
library(TraMineR)
library(PST)
# Get data
x <- getURL("https://gist.githubusercontent.com/aronlindberg/08228977353bf6dc2edb3ec121f54a29/raw/c2539d06771317c5f4c8d3a2052a73fc485a09c6/challenge_level.csv")
data <- read.csv(text = x)
# Load and transform data
data <- read.table("thread_level.csv", sep = ",", header = F, stringsAsFactors = F)
# Create sequence object
data.seq <- seqdef(data[2:nrow(data),2:ncol(data)], missing = NA, right= NA, nr = "*")
# Make a tree
S1 <- pstree(data.seq, ymin = 0.05, L = 6, lik = TRUE, with.missing = TRUE)
# Look at first state
cmine(S1, pmin = 0, state = "N3", l = 1)
Это генерирует:
[>] context: e
EX FA I1 I2 I3 N1 N2 N3 NR
S1 0.006821066 0.01107234 0.01218274 0.01208756 0.006821066 0.002569797 0.003299492 0.001554569 0.0161802
QU TR *
S1 0.01126269 0.006440355 0.9097081
Как может вероятность *
быть 0.9097081
в самом начале последовательности, то есть после контекста e
?
Означает ли это, что контекст может появиться где угодно внутри последовательности и что e
обозначает произвольную начальную точку где-то внутри последовательности?