用于bnlearn中的贝叶斯Netoworks的Laplace Smoothig

Question

我正在尝试使用R使用贝叶斯网络，目前正在使用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。

我想知道是否在bnlearn实现了Laplace平滑。 我在文档中找不到有关它的任何信息。 我错过了什么吗？ 有人知道吗？

Answer 1

不它不是。 但是，这应该没问题，因为bnlearn中提供了不同的先验，并且除非您有某些非常特殊的理由使用拉普拉斯平滑（这是一个特定的先验），否则这些都应该做到。

一旦有了结构，就可以使用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。 iss的定义：“贝叶斯方法用来估计与离散节点关联的条件概率表（CPT）的虚拟样本大小”。

例如，考虑某个网络中的二进制根节点X。 bn.fit()返回(Nx + iss / cptsize) / (N + iss)作为X = x的概率，其中N是您的样本数， Nx是X = x的样本数，并且cptsize的基数X ; 在这种情况下cptsize = 2因为X是二进制。 拉普拉斯校正将要求iss / cptsize始终等于1。但是， bnlearn对所有CPT使用相同的iss值，并且，如果所有变量具有相同的基数，则iss / cptsize将仅为1。 因此，对于二进制变量，通过设置iss = 2确实可以进行拉普拉斯校正。 但是，在一般情况下，这是不可能的。

有关其他更多信息，请参见bnlearn :: bn.fit的区别和方法“ mle”和“ bayes”的计算 。