我正在努力使用rjags来定义条件线性高斯贝叶斯网络。 对于下面的净(A CLG BN是通过具有两个连续的正常和离散父(预测)一个连续的子节点(结果)所定义的),A是离散的,d和E连续: 对于rjags模型,我supose我要的是节点E的参数进行数值节点A上定义需要:伪代码 model {
A ~ dcat(c(0.0948, 0.9052))
D ~ dnorm(11.870
随着我现在了解如何正确输入软证据(请参阅Prediction with cpdist using "probabilities" as evidence),这导致我出现了一个新问题(我认为这是一个很常见的问题),我又准备了一个可重现的问题例如:NaN值。 我可以也应该早些时候遇到过这种情况,但从未偶然。 NaN的参数可重复实施例 library(bnlearn)
Learning.set4=cb