BiDAG：有向非循环图的贝叶斯推理

贝叶斯结构学习MCMC方法集的实现连续数据和离散数据的有向非循环图（DAG）。为了提高效率对较大的DAG进行推理，根据数据对DAG的空间进行修剪。要筛选在搜索空间中，该算法采用混合方法，结合基于约束的通过搜索和得分学习。缩小的搜索空间最初是根据通过PC算法获得的骨架，然后使用搜索和评分。然后按照以下两种方法进行搜索和评分：订购MCMC或分区MCMC。针对连续数据实施BGe评分，并实施BDe评分用于二进制数据或分类数据。该算法可以提供最大后验概率给定数据后验分布的（MAP）图或样本（DAG的集合）。所有算法也适用于动态贝叶斯网络的结构学习和采样。参考文献：J.Kuipers、P.Suter、G.Moffa（2022年）<doi:10.1080/10618600.2021.202127>,N.Friedman和D.Koller（2003）<doi:10.1023/A:1020249912095>, J.Kuipers和G.Moffa（2017）<doi:10.1080/01621459.2015.1133426>, M.Kalisch等人（2012年）<doi:10.18637/jss.v047.i11>,D.Geiger和D.Heckerman（2002）<doi:10.1214/aos/1035844981>, P.Suter、J.Kuipers、G.Moffa、N.Beerenwinkel（2023）<doi:10.18637/jss.v105.i09>.

版本：	2.1.4
取决于：	R（≥3.5.0）
进口：	卢比（≥0.12.7），方法，图表,Rgraphviz公司,苏格兰皇家银行,pcalg公司、图形、，矩阵,尾波
链接到：	卢比
出版：	2023-05-16
作者：	波琳娜·苏特[aut，cre]，杰克·库伊珀斯[aut]
维护人员：	波琳娜·苏特（Polina Suter）<Polina.Suter at gmail.com>
许可证：	GPL-2型|GPL-3公司[扩展自：GPL（≥2）]
需要编译：	对
引用：	BiDAG引文信息
CRAN检查：	BiDAG结果

文档：

参考手册：

BiDAG.pdf格式

下载：

包源：	BiDAG_2.1.4.tar.gz公司
Windows二进制文件：	r-预发布：BiDAG_2.1.4.zip码，r版本：BiDAG_2.1.4.zip码，r-oldrel：BiDAG_2.1.4.zip码
macOS二进制文件：	r-prerel（arm64）：BiDAG_2.1.4.tgz公司，r-release（arm64）：BiDAG_2.1.4.tgz公司，r-oldrel（arm64）：BiDAG_2.1.4.tgz公司，r-prerel（x86_64）：BiDAG_2.1.4.tgz公司，r-release（x86_64）：BiDAG_2.1.4.tgz公司
旧来源：	BiDAG档案

反向依赖关系：

反向进口：

贝斯蒂,clustNet（群集网络）

链接：

请使用规范形式https://CRAN.R-project.org/package=BiDAG链接到此页面。