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。包含最新错误修复的开发快照可从www.bnlearn获得。通用域名格式。


zbMATH中的参考文献(参考文献68篇)

显示68个结果中的1到20个。
按年份排序(引用)
  1. 斯库塔里,马可;丹尼斯,让-巴蒂斯特:贝叶斯网络。以R(2022)为例
  2. Anna V.Bubnova,Irina Deeva,Anna V.Kalyuzhnaya:MIxBN:从混合数据学习贝叶斯网络的图书馆(2021)阿尔十四
  3. 康斯坦丁努,安东尼C。;刘、杨;乔巴坦,基亚提昆;郭志高;Kitson,Neville K.:带噪声数据的贝叶斯网络结构学习算法的大规模经验验证(2021)
  4. 贾维迪安,穆罕默德·阿里;Valtorta,Marco:多元回归链图结构学习的分解算法(2021)
  5. Manuele Leonelli,Ramsiya Ramanathan,Rachel Wilkerson:bnmonitor R软件包在贝叶斯网络中的敏感性和稳健性分析(2021)阿尔十四
  6. Polina Suter,Jack Kuipers,Giusi Moffa,Niko Beerenwinkel:贝叶斯网络的结构学习与抽样与R包BiDAG(2021)阿尔十四
  7. 王冰玲;周青:具有不可逆功能关系的因果网络学习(2021)
  8. 凌兆龙,于奎玉,张艺文,刘琳,李久勇:因果学习者:因果结构与马尔可夫毯式学习的工具箱(2021)阿尔十四
  9. 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
  10. 哥尔根,克里斯蒂娜;Leonelli,Manuele:高斯分布族的模型保持敏感性分析(2020)
  11. 顾嘉颖;周青:学习大高斯贝叶斯网络:分割、估计和融合(2020)
  12. 韩愈;贾纳维·莫哈里;Rachael Hageman Blair:bayesnetpp:R包在贝叶斯网络中的概率推理(2020)不是zbMATH
  13. 贾维迪安,穆罕默德·阿里;瓦尔托塔,马可;Jamshidi,Pooyan:AMP链图:最小分隔符和结构学习算法(2020)
  14. 卡莱纳坦,迪维扬;古德特,奥利维尔;Dutta,Ritik:因果发现工具箱:揭示Python中的因果关系(2020)
  15. 金,刚虎;金圣浩:结构学习的边际信息(2020)
  16. Park,Gunwoong:使用条件方差的加性噪声模型的可识别性(2020年)
  17. Quan Hoang Vuong,Viete Phuong La,Minh Hoang Nguyen,Manh Toan Ho,Manh TungHo,Peter Mantello:用bayesvl R包改善大数据时代的贝叶斯统计理解(2020)不是zbMATH
  18. 拉姆齐,约瑟夫D。;丹尼尔,马林斯基;Bui,Kevin V.:ALG比较:图形结构学习算法与TETRAD的性能比较(2020)
  19. 阿兹蒙蒂,劳拉;科拉尼,乔治;Zaffalon,Marco:贝叶斯网络参数的分层估计(2019)
  20. Czado,Claudia:用藤蔓连接蛋白分析相关数据。R实用指南(2019)