bnlearn-package | 贝叶斯网络结构学习、参数学习与推理 | ||
acyclic | 操纵图形的实用程序 | ||
add.node | 操纵图形中的节点 | ||
AIC.bn | 贝叶斯网络的得分 | ||
AIC.bn.fit | 处理拟合贝叶斯网络的实用程序 | ||
alarm | 报警监控系统(合成)数据集 | ||
all.equal.bn | 比较两个或多个不同的贝叶斯网络 | ||
alpha.star | 估计溴化二苯醚(u)的最佳假想样本量 | ||
amat | 其他公用设施 | ||
amat | 其他公用设施 | ||
ancestors | 其他公用设施 | ||
aracne | 局部发现结构学习算法 | ||
arc operations | 放置、添加或设置圆弧或边的方向 | ||
arc.strength | 测量电弧强度 | ||
arcs | 其他公用设施 | ||
arcs | 其他公用设施 | ||
as.bn | 从贝叶斯网络构建模型字符串,反之亦然 | ||
as.bn.character | 从贝叶斯网络构建模型字符串,反之亦然 | ||
as.bn.fit | 粮食包装进出口网络 | ||
as.bn.fit.grain | 粮食包装进出口网络 | ||
as.bn.grain | 粮食包装进出口网络 | ||
as.bn.graphAM | 从图形包导入和导出网络 | ||
as.bn.graphNEL | 从图形包导入和导出网络 | ||
as.bn.igraph | 从igraph包导入和导出网络 | ||
as.bn.pcAlgo | 从pcalg包导入和导出网络 | ||
as.character.bn | 从贝叶斯网络构建模型字符串,反之亦然 | ||
as.grain | 粮食包装进出口网络 | ||
as.grain.bn | 粮食包装进出口网络 | ||
as.grain.bn.fit | 粮食包装进出口网络 | ||
as.graphAM | 从图形包导入和导出网络 | ||
as.graphAM.bn | 从图形包导入和导出网络 | ||
as.graphAM.bn.fit | 从图形包导入和导出网络 | ||
as.graphNEL | 从图形包导入和导出网络 | ||
as.graphNEL.bn | 从图形包导入和导出网络 | ||
as.graphNEL.bn.fit | 从图形包导入和导出网络 | ||
as.igraph | 从igraph包导入和导出网络 | ||
as.igraph.bn | 从igraph包导入和导出网络 | ||
as.igraph.bn.fit | 从igraph包导入和导出网络 | ||
as.lm | 从贝叶斯网络生成lm对象 | ||
as.lm.bn | 从贝叶斯网络生成lm对象 | ||
as.lm.bn.fit | 从贝叶斯网络生成lm对象 | ||
as.lm.bn.fit.gnode | 从贝叶斯网络生成lm对象 | ||
as.prediction | 为ROCR生成预测对象 | ||
as.prediction.bn.strength | 为ROCR生成预测对象 | ||
asia | Lauritzen和Spiegelhalter的亚洲(合成)数据集 | ||
averaged.network | 测量电弧强度 | ||
BF | 两种网络结构间的Bayes因子 | ||
bf.strength | 测量电弧强度 | ||
BIC.bn | 贝叶斯网络的得分 | ||
BIC.bn.fit | 处理拟合贝叶斯网络的实用程序 | ||
blacklist | 获取或创建白名单和黑名单 | ||
bn class | bn阶级结构 | ||
bn-class | bn阶级结构 | ||
bn.boot | 贝叶斯网络的非参数bootstrap | ||
bn.cv | 贝叶斯网络的交叉验证 | ||
bn.fit | 拟合贝叶斯网络的参数 | ||
bn.fit class | 这个bn.fit公司阶级结构 | ||
bn.fit plots | 图拟合贝叶斯网络 | ||
bn.fit utilities | 处理拟合贝叶斯网络的实用程序 | ||
bn.fit-class | 这个bn.fit公司阶级结构 | ||
bn.fit.barchart | 图拟合贝叶斯网络 | ||
bn.fit.dnode | 这个bn.fit公司阶级结构 | ||
bn.fit.dotplot | 图拟合贝叶斯网络 | ||
bn.fit.gnode | 这个bn.fit公司阶级结构 | ||
bn.fit.histogram | 图拟合贝叶斯网络 | ||
bn.fit.qqplot | 图拟合贝叶斯网络 | ||
bn.fit.xyplot | 图拟合贝叶斯网络 | ||
bn.kcv class | 这个十亿千卡阶级结构 | ||
bn.kcv-class | 这个十亿千卡阶级结构 | ||
bn.kcv.list class | 这个十亿千卡阶级结构 | ||
bn.kcv.list-class | 这个十亿千卡阶级结构 | ||
bn.net | 拟合贝叶斯网络的参数 | ||
bn.strength | 这个bn.强度阶级结构 | ||
bn.strength class | 这个bn.强度阶级结构 | ||
bn.strength-class | 这个bn.强度阶级结构 | ||
bnlearn | 贝叶斯网络结构学习、参数学习与推理 | ||
boot.strength | 测量电弧强度 | ||
cextend | 等价类、道德图与一致扩张 | ||
children | 其他公用设施 | ||
children | 其他公用设施 | ||
choose.direction | 试着推断无向弧的方向 | ||
chow.liu | 局部发现结构学习算法 | ||
ci.test | 独立性和条件独立性测试 | ||
clgaussian.test | 测试学习算法的合成(混合)数据集 | ||
coef.bn.fit | 处理拟合贝叶斯网络的实用程序 | ||
coef.bn.fit.cgnode | 处理拟合贝叶斯网络的实用程序 | ||
coef.bn.fit.dnode | 处理拟合贝叶斯网络的实用程序 | ||
coef.bn.fit.gnode | 处理拟合贝叶斯网络的实用程序 | ||
coef.bn.fit.onode | 处理拟合贝叶斯网络的实用程序 | ||
colliders | 等价类、道德图与一致扩张 | ||
compare | 比较两个或多个不同的贝叶斯网络 | ||
compelled.arcs | 其他公用设施 | ||
configs | 构造离散变量的配置 | ||
constraint-based algorithms | 基于约束的结构学习算法 | ||
coronary | 冠心病数据集 | ||
count.graphs | 具有特定特征的计数图 | ||
cpdag | 等价类、道德图与一致扩张 | ||
cpdist | 执行条件概率查询 | ||
cpquery | 执行条件概率查询 | ||
ctsdag | 存在干预的等价类 | ||
custom.fit | 拟合贝叶斯网络的参数 | ||
custom.strength | 测量电弧强度 | ||
dedup | 预处理数据以更好地学习贝叶斯网络 | ||
degree | 其他公用设施 | ||
degree-method | 其他公用设施 | ||
descendants | 其他公用设施 | ||
directed | 操纵图形的实用程序 | ||
directed.arcs | 其他公用设施 | ||
discretize | 预处理数据以更好地学习贝叶斯网络 | ||
drop.arc | 放置、添加或设置圆弧或边的方向 | ||
drop.edge | 放置、添加或设置圆弧或边的方向 | ||
dsep | 试验d-分离 | ||
em-based algorithms | 从缺失数据中学习结构 | ||
empty.graph | 生成空图或随机图 | ||
fast.iamb | 基于约束的结构学习算法 | ||
fitted.bn.fit | 处理拟合贝叶斯网络的实用程序 | ||
fitted.bn.fit.cgnode | 处理拟合贝叶斯网络的实用程序 | ||
fitted.bn.fit.dnode | 处理拟合贝叶斯网络的实用程序 | ||
fitted.bn.fit.gnode | 处理拟合贝叶斯网络的实用程序 | ||
gaussian.test | 测试学习算法的合成(连续)数据集 | ||
gRain integration | 粮食包装进出口网络 | ||
graph enumeration | 具有特定特征的计数图 | ||
graph generation utilities | 生成空图或随机图 | ||
graph integration | 从图形包导入和导出网络 | ||
graph utilities | 操纵图形的实用程序 | ||
graphviz.chart | 用概率条绘制网络 | ||
graphviz.compare | 比较两个或多个不同的贝叶斯网络 | ||
graphviz.plot | 高级贝叶斯网络图 | ||
gs | 基于约束的结构学习算法 | ||
h2pc | 混合结构学习算法 | ||
hailfinder | 冰雹天气预报系统(合成)数据集 | ||
hamming | 比较两个或多个不同的贝叶斯网络 | ||
hc | 基于分数的结构学习算法 | ||
hpc | 基于约束的结构学习算法 | ||
hybrid algorithms | 混合结构学习算法 | ||
iamb | 基于约束的结构学习算法 | ||
iamb.fdr | 基于约束的结构学习算法 | ||
igraph integration | 从igraph包导入和导出网络 | ||
impute | 从贝叶斯网络中预测或插补缺失数据 | ||
in.degree | 其他公用设施 | ||
incident.arcs | 其他公用设施 | ||
incoming.arcs | 其他公用设施 | ||
increment.test.counter | 操作测试计数器 | ||
independence tests | 条件独立性测试 | ||
independence-tests | 条件独立性测试 | ||
insurance | 保险评估网络(综合)数据集 | ||
inter.iamb | 基于约束的结构学习算法 | ||
leaf.nodes | 其他公用设施 | ||
learn.mb | 发现单个节点周围的结构 | ||
learn.nbr | 发现单个节点周围的结构 | ||
learning.test | 测试学习算法的合成(离散)数据集 | ||
lizards | 蜥蜴栖息行为数据集 | ||
lm integration | 从贝叶斯网络生成lm对象 | ||
local discovery algorithms | 局部发现结构学习算法 | ||
logLik.bn | 贝叶斯网络的得分 | ||
logLik.bn.fit | 处理拟合贝叶斯网络的实用程序 | ||
loss | 贝叶斯网络的交叉验证 | ||
marks | 考试成绩数据集 | ||
mb | 其他公用设施 | ||
mean.bn.strength | 测量电弧强度 | ||
misc utilities | 其他公用设施 | ||
mmhc | 混合结构学习算法 | ||
mmpc | 基于约束的结构学习算法 | ||
model string utilities | 从贝叶斯网络构建模型字符串,反之亦然 | ||
model2network | 从贝叶斯网络构建模型字符串,反之亦然 | ||
modelstring | 从贝叶斯网络构建模型字符串,反之亦然 | ||
modelstring | 从贝叶斯网络构建模型字符串,反之亦然 | ||
moral | 等价类、道德图与一致扩张 | ||
mutilated | 执行条件概率查询 | ||
naive.bayes | 朴素贝叶斯分类器 | ||
narcs | 其他公用设施 | ||
nbr | 其他公用设施 | ||
network classifiers | 贝叶斯网络分类器 | ||
network scores | 网络分数 | ||
network-classifiers | 贝叶斯网络分类器 | ||
network-scores | 网络分数 | ||
nnodes | 其他公用设施 | ||
node operations | 操纵图形中的节点 | ||
node ordering utilities | 部分节点排序 | ||
node.ordering | 部分节点排序 | ||
nodes | 其他公用设施 | ||
nodes-method | 其他公用设施 | ||
nodes | 操纵图形中的节点 | ||
nodes | 操纵图形中的节点 | ||
nparams | 其他公用设施 | ||
ntests | 其他公用设施 | ||
ordering2blacklist | 获取或创建白名单和黑名单 | ||
out.degree | 其他公用设施 | ||
outgoing.arcs | 其他公用设施 | ||
parents | 其他公用设施 | ||
parents | 其他公用设施 | ||
path | 操纵图形的实用程序 | ||
path-method | 操纵图形的实用程序 | ||
path.exists | 操纵图形的实用程序 | ||
pc.stable | 基于约束的结构学习算法 | ||
pcalg integration | 从pcalg包导入和导出网络 | ||
pdag2dag | 操纵图形的实用程序 | ||
plot.bn | 绘制贝叶斯网络 | ||
plot.bn.kcv | 贝叶斯网络的交叉验证 | ||
plot.bn.kcv.list | 贝叶斯网络的交叉验证 | ||
plot.bn.strength | 绘制自举导出的电弧强度 | ||
predict.bn.fit | 从贝叶斯网络中预测或插补缺失数据 | ||
predict.bn.naive | 朴素贝叶斯分类器 | ||
predict.bn.tan | 朴素贝叶斯分类器 | ||
random.graph | 生成空图或随机图 | ||
rbn | 模拟给定贝叶斯网络的随机样本 | ||
rbn.bn | 模拟给定贝叶斯网络的随机样本 | ||
rbn.bn.fit | 模拟给定贝叶斯网络的随机样本 | ||
read.bif | 读写BIF,NET,DSC和DOT文件 | ||
read.dsc | 读写BIF,NET,DSC和DOT文件 | ||
read.net | 读写BIF,NET,DSC和DOT文件 | ||
remove.node | 操纵图形中的节点 | ||
rename.nodes | 操纵图形中的节点 | ||
reset.test.counter | 操作测试计数器 | ||
residuals.bn.fit | 处理拟合贝叶斯网络的实用程序 | ||
residuals.bn.fit.cgnode | 处理拟合贝叶斯网络的实用程序 | ||
residuals.bn.fit.dnode | 处理拟合贝叶斯网络的实用程序 | ||
residuals.bn.fit.gnode | 处理拟合贝叶斯网络的实用程序 | ||
reverse.arc | 放置、添加或设置圆弧或边的方向 | ||
reversible.arcs | 其他公用设施 | ||
ROCR integration | 为ROCR生成预测对象 | ||
root.nodes | 其他公用设施 | ||
rsmax2 | 混合结构学习算法 | ||
score | 贝叶斯网络的得分 | ||
score-based algorithms | 基于分数的结构学习算法 | ||
score-method | 贝叶斯网络的得分 | ||
set.arc | 放置、添加或设置圆弧或边的方向 | ||
set.edge | 放置、添加或设置圆弧或边的方向 | ||
set2blacklist | 获取或创建白名单和黑名单 | ||
shd | 比较两个或多个不同的贝叶斯网络 | ||
shielded.colliders | 等价类、道德图与一致扩张 | ||
si.hiton.pc | 基于约束的结构学习算法 | ||
sigma | 处理拟合贝叶斯网络的实用程序 | ||
sigma.bn.fit | 处理拟合贝叶斯网络的实用程序 | ||
sigma.bn.fit.cgnode | 处理拟合贝叶斯网络的实用程序 | ||
sigma.bn.fit.gnode | 处理拟合贝叶斯网络的实用程序 | ||
single-node local discovery | 发现单个节点周围的结构 | ||
skeleton | 操纵图形的实用程序 | ||
spouses | 其他公用设施 | ||
strength.plot | 电弧强度图 | ||
structural.em | 从缺失数据中学习结构 | ||
structure learning | 结构学习算法 | ||
structure-learning | 结构学习算法 | ||
subgraph | 操纵图形的实用程序 | ||
tabu | 基于分数的结构学习算法 | ||
test.counter | 操作测试计数器 | ||
tiers2blacklist | 获取或创建白名单和黑名单 | ||
tree.bayes | 朴素贝叶斯分类器 | ||
undirected.arcs | 其他公用设施 | ||
unshielded.colliders | 等价类、道德图与一致扩张 | ||
vstructs | 等价类、道德图与一致扩张 | ||
whitelist | 获取或创建白名单和黑名单 | ||
whitelists and blacklists | 结构学习中的白名单与黑名单 | ||
whitelists-blacklists | 结构学习中的白名单与黑名单 | ||
write.bif | 读写BIF,NET,DSC和DOT文件 | ||
write.dot | 读写BIF,NET,DSC和DOT文件 | ||
write.dsc | 读写BIF,NET,DSC和DOT文件 | ||
write.net | 读写BIF,NET,DSC和DOT文件 | ||
$ | 拟合贝叶斯网络的参数 |