r - bnlearn 中贝叶斯网络的 Laplace Smoothig

Question

我正在尝试使用 R 与贝叶斯网络合作，目前我正在使用bnlearn框架。我正在尝试从数据中使用基于分数的结构学习，并尝试不同的算法和方法。

我想知道是否实施了拉普拉斯平滑bnlearn。我在文档中找不到任何有关它的信息。我错过了什么吗？有人知道吗？

Answer 1

不它不是。但是，这应该没有问题，因为有不同的先验可用bnlearn，除非您有非常具体的理由使用拉普拉斯平滑，这是一个特定的先验，否则这些应该可以。

一旦你有了一个结构，你就可以用bn.fit()函数学习参数。设置method = "bayes"使用贝叶斯估计，可选参数iss确定先验。的定义iss：“贝叶斯方法用于估计与离散节点相关的条件概率表 (CPT) 的假想样本量”。

例如，考虑某个网络中的二进制根节点 X。以 的概率bn.fit()返回，其中是您的样本数、具有 的样本数以及的基数；在这种情况下，因为是二进制的。拉普拉斯校正将要求 始终等于 1。然而，对所有 CPT使用相同的值，并且仅当所有变量具有相同的基数时才为 1。因此，对于二元变量，您确实可以通过设置进行拉普拉斯校正。然而，在一般情况下，这是不可能的。(Nx + iss / cptsize) / (N + iss)X = xNNxX = xcptsizeXcptsize = 2Xiss / cptsizebnlearnississ / cptsizeiss = 2

有关更多详细信息，请参阅bnlearn::bn.fit 方法“mle”和“bayes”的差异和计算。