如何用R的BNlearn包进行高斯贝叶斯网络的参数学习

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我现在想构建高斯贝叶斯网络。结构已经确定了，数据也有了，如何用R的BNlearn包进行高斯贝叶斯网络的参数学习呢。找不到具体的函数啊。请教一下具体的函数或者比较详细的教程。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：bnlearn 贝叶斯网络 Learn Earn 贝叶斯网 高斯 如何 网络

(1)推理问题 在了解如何构造贝叶斯网络之后，下面我们考虑如何利用贝叶斯网络来进行推理。贝叶斯网络的推理是对某些变量当给定其它变量的状态作为证据时如何推断它们的状态，也就是通过计算回答查询（query）的过程。这个推理的过程也称为概率推理或信念更新。 在实践中，贝叶斯网的推理基于贝叶斯统计，重点在于后验概率或密度的计算。推理问题可分为这样的三类： （a）后验概率分布问题 这类问题是已知某些变量的取值，计算另一些变量的后验概率分布。已知的变量可称为证据变量（evidence variables），记作E，取值记为e。需要计算后验概率分布的变量叫查询变量，记为Q。按证据变量和因果变量的不同逻辑关系，这种概率推理又可分成：从结果到原因的推理、从原因到结果的推理、同一结果的不同原因的关联推理以及包含以上三种的混合推理。 （b）最大后验假设问题（MAP） （c）最大可能解释问题（MPE）