B学习

bnlearn包：贝叶斯网络结构学习，参数学习和推理。贝叶斯网络结构学习、参数学习与推理。该软件包实现了基于约束的（GS，IAMB，Inter-IAMB，Fast-IAMB，MMPC，Hiton-PC），pairwise（ARACNE和Chow-Liu），基于分数的（爬山和禁忌搜索）和混合（MMHC和RSMAX2）的结构学习算法，以及许多分数函数和条件独立性测试。实现了朴素贝叶斯分类器和树增广朴素贝叶斯分类器。包括一些实用功能（模型比较和操作、随机数据生成、弧定向测试、简单和高级绘图），以及参数估计（最大似然和贝叶斯）和推理、条件概率查询和交叉验证的支持。可从www.bnlearn.com获取包含最新错误修复的开发快照。

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 50篇文章 引用）

显示第1到第20个结果，共50个。
按年份排序(引用)
  1. Gherardo Varando，Federico Carli，Manuele Leonelli，Eva Riccomagno:R包分层阶段树结构学习阶段树（2020）阿尔十四
  2. 韩宇；贾纳维·莫哈利尔；拉切尔·哈格曼·布莱尔：贝叶斯网络概率推理的R包（2020）不是zbMATH
  3. Kim，Gang Hoo；Kim，Sung-Ho：结构学习的边缘信息（2020）
  4. Azzimonti，Laura；Corani，Giorgio；Zaffalon，Marco:贝叶斯网络参数的分层估计（2019）
  5. Czado，Claudia:用藤蔓连接蛋白分析相关数据。R实用指南（2019）
  6. Gilles Kratzer，Fraser Iain Lewis，Arianna Comin，Marta Pittavino，Reinhard Furrer:R包abn的加法贝叶斯网络建模（2019）阿尔十四
  7. 顾嘉颖；傅，费；周青：离散数据有向无环图的惩罚估计（2019）
  8. Musella，Flaminia；Vicard，Paola；Vitale，Vincenzina：结构学习的Copula增长收缩算法（2019年）
  9. Sanguinetti，Guido（编辑）；Huynh Thu，V–n Anh（编辑）：基因调控网络。方法和方案（2019年）
  10. Scutari，Marco；Graafland，Catharina Elisabeth；Gutiérrez，JoséManuel：《谁能更好地学习贝叶斯网络结构：结构学习算法的准确性和速度》（2019年）
  11. Scutari，Marco；Vitolo，Claudia；Tucker，Allan：《用贪婪搜索从大数据学习贝叶斯网络：计算复杂性和有效实现》（2019）
  12. Sondhi，Arjun；Shojaie，Ali:简化PC算法：大型随机网络中改进的因果结构学习（2019）
  13. Talvitie，Topi；Eggeling，Ralf；Koivisto，Mikko：学习具有局部结构、混合变量和精确算法的贝叶斯网络（2019年）
  14. 赵建军；何建军，沈士阳：利用数据驱动对称性修正方法改进贝叶斯网络局部结构学习（2019）
  15. Bojan Mihaljević，Concha Bielza，Pedro Larrañaga:bnclassify:学习贝叶斯网络分类器（2018）不是zbMATH
  16. Geilke，Michael；Karwath，Andreas；Frank，Eibe；Kramer，Stefan：使用分类器链在线估计离散、连续和条件关节密度（2018年）
  17. Hoegh，Andrew；Leman，苏格兰：相关模型融合（2018）
  18. Kallah Dagadu，G.；Nkassah，B.K.；Howard，N.：DNA序列中转录因子发生因果效应的概率图形模型（2018）
  19. 刘旭青；刘新胜：多变量的马尔可夫包层与马尔可夫边界（2018）
  20. 帕特里克·梅尔：现代心理测量学与R（2018）