使用R语言的BNLearn包实现贝叶斯网络.pdfVIP

使用 R 语言的 BNLearn 包实现贝叶斯网络 （1 ） 标签：生活 2013-08-01 22:26 星期四 1. 加载程序包导入数据 libr ry (bnle rn) #CRAN 中有，可以直接用 inst ll.p ck ges( “bnle rn”)安装或者去网 上下载后复制到 libr ry 文件夹下即可。 libr ry (Rgr phviz) #用于绘图。这个包 CRAN 中没有，需要到 /p ck ges/rele se/BiocViews.html#___Softw re 去下载。 d t (le rning.test) #导入数据，数据框中的变量必须全部为因子型 （离散）或数值型 （连续）。 le r.test =re d.csv (***.csv, colCl sses =f ctor) #也可以直接从 csv 文件直接 导入数据。需要注意的是如果数据中含有 0-1 之类的布尔型，或者 1-3 之类的等级数据，需 要强行指定其为因子型，不然许多 BN 函数会报错。因为 re d 函数只会自动的将字符型转换 成因子型，其他的不会 自动转换。 该包包含贝叶斯网络的结构学习、参数学习和推理三个方面的功能，其中结构学习包含基于约 束的算法、基于得分的算法和混合算法，参数学习包括最大似然估计和贝叶斯估计两种方法。 此外还有引导 （bootstr p），交叉验证 （cross-v lid tion）和随机模拟 （stoch stic simul tion）等功能，附加的绘图功能需要调用前述的Rgr phviz nd l ttice 包。 B yesi n network structure le rning (vi constr int-b sed, score-b sed nd hybrid lgorithms), p r meter le rning (vi ML nd B yesi n estim tors) nd inference. This p ck ge implements some lgorithms for le rning the structure of B yesi n networks. Constr int-b sed lgorithms, lso known s condition l independence le rners, re ll optimized deriv tives of the Inductive C us tion lgorithm (Verm nd Pe rl, 1991). These lgorithms use condition l independence tests to detect the M rkov bl nkets of the v ri bles, which in turn re used to compute the structure of the B yesi n network. Score-b sed le rning lgorithms re gener l purpose heuristic optimiz tion lgorithms which r nk network structures with respect to goodness-of-fit score. Hybrid lgorithms combine spects of both constr int-b sed nd score-b sed lgorithms, s they use condition l independence tests (usu lly to reduce the se rch sp ce) nd network scores (to find the optim l network in the reduced sp ce) t the s me time. Sever l functions for p r meter estim tion, p r metric inference, bootstr p, cross-v lid tion nd stoch stic simul tion re