斯帕塞本

用sparsebn包学习大规模贝叶斯网络。从数据中学习图形模型是一个重要的问题,有着广泛的应用,从基因组学到社会科学。如今,数据集通常有上千个——有时是几万个或几十万个——变量,而样本却少得多。为了应对这一挑战,我们开发了一个名为sparsebn的新R包,用于学习大型稀疏图形模型的结构,重点研究贝叶斯网络。虽然R生态系统中有许多现有的包用于此任务,但该包侧重于从高维数据中学习大型网络的独特设置,可能需要进行干预。因此,所提供的方法重视高维环境中的可伸缩性和一致性。此外,在干预措施存在的情况下,这里实现的方法实现了从数据中学习因果网络的目标。sparsebn包是开源的,可以在CRAN上使用。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献(参考文献2条)

显示结果1到2,共2个。
按年份排序(引用)

  1. 王冰玲;周青:具有不可逆功能关系的因果网络学习(2021)
  2. Bryon Aragam,Gu Jiaying,Qing Zhou:用sparsebn包学习大规模贝叶斯网络(2017)阿尔十四