我如何用 bnlearn 表示领域知识信息
How do I represent domain knowledge information with bnlearn
我正在使用 R 包学习动态贝叶斯网络模型 bnlearn。为此，我关注 this paper 他们以 6 层的形式施加某些约束（论文中的 Table 1）：
1 Gender, age at ALS onset
2 Onset site, onset delta (start of the trial - onset)
3 Riluzole intake, placebo/treatment
4 Variables at time t-1
5 Variables at time t, TSO
6 Survival
在此示例中，由于 gender 和 age 位于顶层，因此它们不会受到 Riluzole intake 的影响，但会影响（或具有因果关系）Riluzole intake最终 survival。这保证了网络中的非循环性，也就是说，我们在变量之间没有无休止的反馈循环。
我的问题是，我们如何使用 R 包对这些先验知识进行建模 bnlearn。
您可以通过多种方式将领域知识或约束添加到结构学习中。
如果要使用领域知识指定网络结构和参数，可以使用custom.fit手动构建网络。
如果您想从数据中估计 BN 的结构，那么您可以使用结构中的 whitelist 和 blacklist 参数对边缘方向和边缘存在施加约束学习算法。
先验可以放在结构学习的边缘（例如prior="cs"，其中“如果先验是cs，beta是一个数据框，列来自， to 和 prob 指定一组弧的先验概率。假设其余弧的概率分布均匀。")。 There are other priors that can be used.
我正在使用 R 包学习动态贝叶斯网络模型 bnlearn。为此，我关注 this paper 他们以 6 层的形式施加某些约束（论文中的 Table 1）：
1 Gender, age at ALS onset
2 Onset site, onset delta (start of the trial - onset)
3 Riluzole intake, placebo/treatment
4 Variables at time t-1
5 Variables at time t, TSO
6 Survival
在此示例中，由于 gender 和 age 位于顶层，因此它们不会受到 Riluzole intake 的影响，但会影响（或具有因果关系）Riluzole intake最终 survival。这保证了网络中的非循环性，也就是说，我们在变量之间没有无休止的反馈循环。
我的问题是，我们如何使用 R 包对这些先验知识进行建模 bnlearn。
您可以通过多种方式将领域知识或约束添加到结构学习中。
如果要使用领域知识指定网络结构和参数，可以使用
custom.fit手动构建网络。如果您想从数据中估计 BN 的结构，那么您可以使用结构中的
whitelist和blacklist参数对边缘方向和边缘存在施加约束学习算法。先验可以放在结构学习的边缘（例如
prior="cs"，其中“如果先验是cs，beta是一个数据框，列来自， to 和 prob 指定一组弧的先验概率。假设其余弧的概率分布均匀。")。 There are other priors that can be used.