贝叶斯网络推理算法假设数据的特定分布吗？
我有一些数据，我想学习这些数据的贝叶斯网络，然后使用这个贝叶斯网络进行推理。为此，我在MATLAB中使用了Bayes Net Toolbox中的learn_struct_gs2。通过使用learn_struct_gs2学习贝叶斯网络。然而，我想知道：
当我们想要从数据中学习贝叶斯网络时，我们的特征值是否应该遵循特定的分布(例如，正态分布等)？如果我们的特征值不服从分布，我们就不能使用贝叶斯学习吗？
例如，假设某个要素的值为: 0、10、11、18、100、1250、...
我们可以使用贝叶斯学习来解决这个问题吗？
我是贝叶斯学习和人工智能的新手，我花了很多时间来寻找这个问题的答案，但我不能。
我的第二个问题是:存在许多学习方法，例如贝叶斯学习、神经网络等。我如何才能找出这些方法中哪一种适合我的问题？
回答 1
Stack Overflow用户
发布于 2019-12-24 01:04:27
模拟，模拟，模拟。
生成人工数据集是开发人员经常使用的方法，它是从业者验证和编码他们对数据的假设的一种很好的方法。如今，计算时间如此之少，以至于人们经常可以更容易地经验性地测试算法的适当性，而不是解析密集的文献和理论。
这并不是说一个人应该完全放弃学习基础知识，就像在高级本科生和研究生级别的培训中学到的一样(或者像毕晓普的“模式识别和机器学习”这样的免费文本)。然而，知道如何与经验测试争辩的用户可以非常令人信服，并可以用它们来撑开学者们倾向于竖起的大门。
在您的例子中，可以尝试制作一些简单的模拟网络，使用一系列分布来生成数据。空的情况可能是高斯分布；也许您的极端情况可能是对数正态分布。然后测试算法是否在这些不同的分布下推断出正确的网络。关键是:把它当作游乐场，去玩吧。或者，如果你更喜欢枯燥乏味的比喻:把它当作实验室来做实验。
https://stackoverflow.com/questions/59444552
复制相似问题
腾讯云开发者
