machine-learning - 贝叶斯网络库

Question

你好，数字运算器

正如标题所暗示的，我正在寻找一个用于学习和推理贝叶斯网络的库。我已经找到了一些，但我希望得到推荐。

快速概述的要求：

• 最好用 Java 或 Python 编写
• 配置（也是网络本身的）是a）可能的，b）可能通过代码（而不仅仅是通过GUI）。
• 可用的源代码
• 项目仍在维护
• 越强大越好

你推荐哪一个？

Answer 1

看看维卡。它在我的森林里很流行……它是开源的，用 Java 编写的。

这将从摘要中告诉您有关 Weka 中的贝叶斯网络：

• 使用各种爬山（K2、B 等）和通用（模拟退火、禁忌搜索）算法对贝叶斯网络进行结构学习。
• 实施本地分数指标；贝叶斯，BDe，MDL，熵，AIC。
• 实施全球分数指标；去掉一个 cv、k-fold cv 和累积 cv。
• 可用的基于条件独立的因果恢复算法。
• 使用直接估计和贝叶斯模型平均的参数估计。
• 用于轻松检查贝叶斯网络的 GUI。

Answer 2

所以在这里我给出我的主观回答。

根据我的经验，与统计相关的所有事情都最好用 R 来解决。我经常看到，在与统计相关的领域，R 拥有最多的库，并且通常实现了最先进的算法/方法。

大多数像我这样的程序员都喜欢使用他们知道的语言，学习新东西是一种权衡，主要是因为它很耗时。

因此，如果学习一门新语言是一个可行的选择，那么 R 是一个不错的选择，在我看来是最好的。

简要了解与贝叶斯网络和贝叶斯干扰相关的 R 库。

贝叶斯：http : //cran.r-project.org/web/views/Bayesian.html

图形模型： http ://cran.r-project.org/web/views/gR.html

机器学习： http ://cran.r-project.org/web/views/MachineLearning.html

R 的主要优点：
- 易于安装库： install.packages("RWeka")
- 所有库的帮助格式和样式都相同
- 如果您了解 R，则可以轻松地从一个库切换到下一个库。所以很容易测试所有可用的库，然后使用最适合的库

Answer 3

从未使用过它，但也许MALLET库符合要求？