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。


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)