bnlearn中贝叶斯网络的拉普拉斯平滑

Question

我正在尝试使用R来处理贝叶斯网络，目前我正在使用bnlearn框架。我正在尝试从数据中使用基于分数的结构化学习，并尝试不同的算法和方法。

我想知道在bnlearn中是否实现了拉普拉斯平滑。我在文档中找不到任何关于它的信息。我是不是漏掉了什么？有人知道吗？

Answer 1

不，它不是。然而，这应该没有问题，因为在bnlearn中有不同的先验，除非你有一些非常具体的原因使用拉普拉斯平滑，这是一个特殊的先验，这些应该可以。

一旦有了结构，就可以使用bn.fit()函数学习参数。设置method = "bayes"使用贝叶斯估计，可选参数iss确定先验。iss的定义：“贝叶斯方法用来估计与离散节点相关的条件概率表(CPT)的虚构样本大小”。

例如，在某些网络中寻找二进制根节点X。bn.fit()返回(Nx + iss / cptsize) / (N + iss)作为X = x的概率，其中N是样本数，Nx是X = x的样本数，cptsize是X的基数；在本例中是cptsize = 2，因为X是二进制的。拉普拉斯校正将要求iss / cptsize始终等于1。然而，bnlearn对所有CPT使用相同的iss值，并且，如果所有变量具有相同的基数，则iss / cptsize仅为1。因此，对于二进制变量，您确实可以通过设置iss = 2来进行拉普拉斯校正。然而，在一般情况下，这是不可能的。

有关更多详细信息，请参阅bnlearn::bn.fit difference and calculation of methods "mle" and "bayes"。