R语言bnstruct包说明文档（版本 1.0.8）

返回R语言所有包列表

add.observations 在现有的“推断引擎”观察列表中添加进一步的证据。
add.observations 在现有的“推断引擎”观察列表中添加进一步的证据。
asia 加载“亚洲”数据集。
asia_10000 “亚洲”数据集。
asia_2_layers 加载从“亚洲”数据集派生的两层数据集。
belief.propagation 进行信念传播。
belief.propagation,InferenceEngine 进行信念传播。
belief.propagation-method 进行信念传播。
BN BN类定义。
bn 获取“推断引擎”中包含的“BN”对象。
BN,BN-class BN类定义。
bn,InferenceEngine 获取“推断引擎”中包含的“BN”对象。
BN-class BN类定义。
bn-method 获取“推断引擎”中包含的“BN”对象。
bn 设置“推断引擎”中包含的原始“BN”对象。
bn 设置“推断引擎”中包含的原始“BN”对象。
BNDataset BNDataset类。
BNDataset,BNDataset-class BNDataset类。
BNDataset-class BNDataset类。
boot 获取引导列表的选定元素。
boot,BNDataset 获取引导列表的选定元素。
boot-method 获取引导列表的选定元素。
boots 获取“BNDataset”的引导示例列表。
boots,BNDataset 获取“BNDataset”的引导示例列表。
boots-method 获取“BNDataset”的引导示例列表。
boots 设置“BNDataset”的引导样本列表。
boots 设置“BNDataset”的引导样本列表。
bootstrap 执行引导。
bootstrap,BNDataset 执行引导。
bootstrap-method 执行引导。
build.junction.tree 建造一个交叉路口。
build.junction.tree,InferenceEngine 建造一个交叉路口。
build.junction.tree-method 建造一个交叉路口。
child 加载“子”数据集。
child_NA_5000 “子”数据集。
complete 子集“BNDataset”以仅获取完整的案例。
complete,BNDataset 子集“BNDataset”以仅获取完整的案例。
complete-method 子集“BNDataset”以仅获取完整的案例。
cpts 获取“BN”的条件概率表列表。
cpts,BN 获取“BN”的条件概率表列表。
cpts-method 获取“BN”的条件概率表列表。
cpts 设置网络的条件概率表列表。
cpts 设置网络的条件概率表列表。
dag 得到网络的邻接矩阵。
dag,BN 得到网络的邻接矩阵。
dag-method 得到网络的邻接矩阵。
dag.to.cpdag 将DAG转换为CPDAG
dag 设置对象的邻接矩阵。
dag 设置对象的邻接矩阵。
data.file 获取“BNDataset”的数据文件。
data.file,BNDataset 获取“BNDataset”的数据文件。
data.file-method 获取“BNDataset”的数据文件。
data.file 设置“BNDataset”的数据文件。
data.file 设置“BNDataset”的数据文件。
discreteness 获取对象变量的状态（离散或连续）。
discreteness,BN 获取对象变量的状态（离散或连续）。
discreteness,BNDataset 获取对象变量的状态（离散或连续）。
discreteness-method 获取对象变量的状态（离散或连续）。
discreteness 设置对象变量的状态（离散或连续）。
discreteness 设置对象变量的状态（离散或连续）。
edge.dir.wpdag 计算WPDAG中的边及其方向性
em 期望最大化算法。
em,InferenceEngine,BNDataset 期望最大化算法。
em-method 期望最大化算法。
get.most.probable.values 计算要观测的最可能值。
get.most.probable.values,BN 计算要观测的最可能值。
get.most.probable.values,InferenceEngine 计算要观测的最可能值。
get.most.probable.values-method 计算要观测的最可能值。
has.boots 检查“BNDataset”是否有引导样本。
has.boots,BNDataset 检查“BNDataset”是否有引导样本。
has.boots-method 检查“BNDataset”是否有引导样本。
has.imputed.boots 检查“BNDataset”是否有来自插补数据的引导样本。
has.imputed.boots,BNDataset 检查“BNDataset”是否有来自插补数据的引导样本。
has.imputed.boots-method 检查“BNDataset”是否有来自插补数据的引导样本。
has.imputed.data 检查BNDataset是否包含不匹配的数据。
has.imputed.data,BNDataset 检查BNDataset是否包含不匹配的数据。
has.imputed.data-method 检查BNDataset是否包含不匹配的数据。
has.raw.data 检查数据集是否包含原始数据。
has.raw.data,BNDataset 检查数据集是否包含原始数据。
has.raw.data-method 检查数据集是否包含原始数据。
header.file 获取“BNDataset”的头文件。
header.file,BNDataset 获取“BNDataset”的头文件。
header.file-method 获取“BNDataset”的头文件。
header.file 设置“BNDataset”的头文件。
header.file 设置“BNDataset”的头文件。
imp.boots 从“BNDataset”的插补数据获取引导样本列表。
imp.boots,BNDataset 从“BNDataset”的插补数据获取引导样本列表。
imp.boots-method 从“BNDataset”的插补数据获取引导样本列表。
imp.boots 从“BNDataset”的插补数据设置引导样本列表。
imp.boots 从“BNDataset”的插补数据设置引导样本列表。
impute 用缺失值填充“BNDataset”原始数据。
impute,BNDataset 用缺失值填充“BNDataset”原始数据。
impute-method 用缺失值填充“BNDataset”原始数据。
imputed.data 获取数据集的插补数据。
imputed.data,BNDataset 获取数据集的插补数据。
imputed.data-method 获取数据集的插补数据。
imputed.data 添加插补数据。
imputed.data 添加插补数据。
InferenceEngine 推理引擎类。
InferenceEngine,InferenceEngine-class 推理引擎类。
InferenceEngine-class 推理引擎类。
initialize-method BN类定义。
initialize-method BNDataset类。
initialize-method 推理引擎类。
interventions 获取“推理引擎”的干预列表。
interventions,InferenceEngine 获取“推理引擎”的干预列表。
interventions-method 获取“推理引擎”的干预列表。
interventions 设置“推理引擎”的干预列表。
interventions 设置“推理引擎”的干预列表。
jpts 获取由“推断引擎”编译的联合概率表列表。
jpts,InferenceEngine 获取由“推断引擎”编译的联合概率表列表。
jpts-method 获取由“推断引擎”编译的联合概率表列表。
jpts 设置由“推断引擎”编译的联合概率表列表。
jpts 设置由“推断引擎”编译的联合概率表列表。
jt.cliques 获取“推理引擎”连接树的团列表。
jt.cliques,InferenceEngine 获取“推理引擎”连接树的团列表。
jt.cliques-method 获取“推理引擎”连接树的团列表。
jt.cliques 设置“推理引擎”连接树的团列表。
jt.cliques 设置“推理引擎”连接树的团列表。
junction.tree 获取“推理引擎”的连接树。
junction.tree,InferenceEngine 获取“推理引擎”的连接树。
junction.tree-method 获取“推理引擎”的连接树。
junction.tree 设置“推理引擎”的连接树。
junction.tree 设置“推理引擎”的连接树。
knn.impute 使用k-NN对数据帧进行插补。
layering 返回节点的分层。
layering,BN 返回节点的分层。
layering-method 返回节点的分层。
learn.dynamic.network 从BN数据集中学习BN的动态网络（结构和参数）。
learn.dynamic.network,BN 从BN数据集中学习BN的动态网络（结构和参数）。
learn.dynamic.network,BNDataset 从BN数据集中学习BN的动态网络（结构和参数）。
learn.dynamic.network-method 从BN数据集中学习BN的动态网络（结构和参数）。
learn.network 从BN数据集中学习BN的网络（结构和参数）。
learn.network,BN 从BN数据集中学习BN的网络（结构和参数）。
learn.network,BNDataset 从BN数据集中学习BN的网络（结构和参数）。
learn.network-method 从BN数据集中学习BN的网络（结构和参数）。
learn.params 学习BN的参数。
learn.params,BN,BNDataset 学习BN的参数。
learn.params-method 学习BN的参数。
learn.structure 学习网络的结构。
learn.structure,BN,BNDataset 学习网络的结构。
learn.structure-method 学习网络的结构。
marginals 计算BN的推断边缘列表。
marginals,InferenceEngine 计算BN的推断边缘列表。
marginals-method 计算BN的推断边缘列表。
name 获取对象的名称。
name,BN 获取对象的名称。
name,BNDataset 获取对象的名称。
name-method 获取对象的名称。
name 设置对象的名称。
name 设置对象的名称。
node.sizes 获取对象变量的大小。
node.sizes,BN 获取对象变量的大小。
node.sizes,BNDataset 获取对象变量的大小。
node.sizes-method 获取对象变量的大小。
node.sizes 设置对象变量的大小。
node.sizes 设置对象变量的大小。
num.boots 获取“BNDataset”的引导样本数。
num.boots,BNDataset 获取“BNDataset”的引导样本数。
num.boots-method 获取“BNDataset”的引导样本数。
num.boots 设置“BNDataset”的引导样本数。
num.boots 设置“BNDataset”的引导样本数。
num.items 获取“BNDataset”的项数。
num.items,BNDataset 获取“BNDataset”的项数。
num.items-method 获取“BNDataset”的项数。
num.items 设置“BNDataset”的项数。
num.items 设置“BNDataset”的项数。
num.nodes 获取对象的节点数。
num.nodes,BN 获取对象的节点数。
num.nodes,InferenceEngine 获取对象的节点数。
num.nodes-method 获取对象的节点数。
num.nodes 设置对象的节点数。
num.nodes 设置对象的节点数。
num.time.steps 获取在“BN”或“BNDataset”中观察到的时间步数。
num.time.steps,BN 获取在“BN”或“BNDataset”中观察到的时间步数。
num.time.steps,BNDataset 获取在“BN”或“BNDataset”中观察到的时间步数。
num.time.steps-method 获取在“BN”或“BNDataset”中观察到的时间步数。
num.time.steps 设置“BN”或“BNDataset”的时间步数。
num.time.steps 设置“BN”或“BNDataset”的时间步数。
num.variables 获取“BNDataset”的变量数。
num.variables,BNDataset 获取“BNDataset”的变量数。
num.variables-method 获取“BNDataset”的变量数。
num.variables 设置“BNDataset”的变量数。
num.variables 设置“BNDataset”的变量数。
observations 获取“推理引擎”的观察结果列表。
observations,InferenceEngine 获取“推理引擎”的观察结果列表。
observations-method 获取“推理引擎”的观察结果列表。
observations 设置“推断引擎”的观察列表。
observations 设置“推断引擎”的观察列表。
plot 把一个“BN”画成一幅画。
plot,BN 把一个“BN”画成一幅画。
plot.BN 把一个“BN”画成一幅画。
plot.BN,BN 把一个“BN”画成一幅画。
print 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print,BN 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print,BNDataset 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print,InferenceEngine 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print.BN 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print.BN,BN 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print.BNDataset 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print.BNDataset,BNDataset 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print.InferenceEngine 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
print.InferenceEngine,InferenceEngine 将“BN”、“BNDataset”或“推理引擎”打印到“stdout”。
quantiles 获取对象的分位数列表。
quantiles,BN 获取对象的分位数列表。
quantiles,BNDataset 获取对象的分位数列表。
quantiles-method 获取对象的分位数列表。
quantiles 设置对象的分位数列表。
quantiles 设置对象的分位数列表。
raw.data 获取数据集的原始数据。
raw.data,BNDataset 获取数据集的原始数据。
raw.data-method 获取数据集的原始数据。
raw.data 添加原始数据。
raw.data 添加原始数据。
read.bif 从“.bif”文件读取网络。
read.bif,character 从“.bif”文件读取网络。
read.bif-method 从“.bif”文件读取网络。
read.dataset 从文件读取数据集。
read.dataset,BNDataset,character,character 从文件读取数据集。
read.dataset-method 从文件读取数据集。
read.dsc 从“.dsc”文件读取网络。
read.dsc,character 从“.dsc”文件读取网络。
read.dsc-method 从“.dsc”文件读取网络。
read.net 从“.net”文件读取网络。
read.net,character 从“.net”文件读取网络。
read.net-method 从“.net”文件读取网络。
sample.dataset 从推理机的网络中抽取一个“BNDataset”。
sample.dataset,BN 从推理机的网络中抽取一个“BNDataset”。
sample.dataset,InferenceEngine 从推理机的网络中抽取一个“BNDataset”。
sample.dataset-method 从推理机的网络中抽取一个“BNDataset”。
sample.row 对网络的值行向量进行采样。
sample.row,BN 对网络的值行向量进行采样。
sample.row-method 对网络的值行向量进行采样。
save.to.eps 将“BN”图片另存为“.eps”文件。
save.to.eps,BN,character 将“BN”图片另存为“.eps”文件。
save.to.eps-method 将“BN”图片另存为“.eps”文件。
scoring.func 阅读用来学习网络结构的评分函数。
scoring.func,BN 阅读用来学习网络结构的评分函数。
scoring.func-method 阅读用来学习网络结构的评分函数。
scoring.func 设置用于学习网络结构的评分函数。
scoring.func 设置用于学习网络结构的评分函数。
shd 计算两邻接矩阵之间的结构汉明距离。
show 显示对象的方法。
show-method 显示对象的方法。
struct.algo 阅读用于学习网络结构的算法。
struct.algo,BN 阅读用于学习网络结构的算法。
struct.algo-method 阅读用于学习网络结构的算法。
struct.algo 设置用于学习网络结构的算法。
struct.algo 设置用于学习网络结构的算法。
test.updated.bn 检查“推断引擎”中是否存在更新的“BN”。
test.updated.bn,InferenceEngine 检查“推断引擎”中是否存在更新的“BN”。
test.updated.bn-method 检查“推断引擎”中是否存在更新的“BN”。
tune.knn.impute 调整用于插补的knn算法的参数k。
updated.bn 获取“推断引擎”中包含的更新的“BN”对象。
updated.bn,InferenceEngine 获取“推断引擎”中包含的更新的“BN”对象。
updated.bn-method 获取“推断引擎”中包含的更新的“BN”对象。
updated.bn 设置“推断引擎”中包含的更新的“BN”对象。
updated.bn 设置“推断引擎”中包含的更新的“BN”对象。
variables 获取对象的变量。
variables,BN 获取对象的变量。
variables,BNDataset 获取对象的变量。
variables-method 获取对象的变量。
variables 设置对象的变量。
variables 设置对象的变量。
wpdag 获取对象的WPDAG。
wpdag,BN 获取对象的WPDAG。
wpdag-method 获取对象的WPDAG。
wpdag.from.dag 从DAG初始化WPDAG。
wpdag.from.dag,BN 从DAG初始化WPDAG。
wpdag.from.dag-method 从DAG初始化WPDAG。
wpdag 设置对象的WPDAG。
wpdag 设置对象的WPDAG。
write.dsc 编写一个网络并将其保存在“.dsc”文件中。
write.dsc,BN 编写一个网络并将其保存在“.dsc”文件中。
write.dsc-method 编写一个网络并将其保存在“.dsc”文件中。
write_xgmml 编写一个网络，将其保存在“XGMML”文件中。
write_xgmml,BN 编写一个网络，将其保存在“XGMML”文件中。
write_xgmml-method 编写一个网络，将其保存在“XGMML”文件中。