用於bnlearn中的貝葉斯Netoworks的Laplace Smoothig

Question

我正在嘗試使用R使用貝葉斯網絡，目前正在使用bnlearn框架。 我正在嘗試從數據中使用基於分數的結構學習，並嘗試不同的算法和方法。

我想知道是否在bnlearn實現了Laplace平滑。 我在文檔中找不到有關它的任何信息。 我錯過了什么嗎？ 有人知道嗎？

Answer 1

不它不是。 但是，這應該沒問題，因為bnlearn中提供了不同的先驗，並且除非您有某些非常特殊的理由使用拉普拉斯平滑（這是一個特定的先驗），否則這些都應該做到。

一旦有了結構，就可以使用bn.fit()函數學習參數。 設置method = "bayes"使用貝葉斯估計，可選參數iss確定先驗。 iss的定義：“貝葉斯方法用來估計與離散節點關聯的條件概率表（CPT）的虛擬樣本大小”。

例如，考慮某個網絡中的二進制根節點X。 bn.fit()返回(Nx + iss / cptsize) / (N + iss)作為X = x的概率，其中N是您的樣本數， Nx是X = x的樣本數，並且cptsize的基數X ; 在這種情況下cptsize = 2因為X是二進制。 拉普拉斯校正將要求iss / cptsize始終等於1。但是， bnlearn對所有CPT使用相同的iss值，並且，如果所有變量具有相同的基數，則iss / cptsize將僅為1。 因此，對於二進制變量，通過設置iss = 2確實可以進行拉普拉斯校正。 但是，在一般情況下，這是不可能的。

有關其他更多信息，請參見bnlearn :: bn.fit的區別和方法“ mle”和“ bayes”的計算 。