在现代的生态、环境以及地学研究中,变量和变量间的因果关系推断占据了非常重要的地位。在实践中,变量间的因果关系研究往往求助于昂贵的实验,但所得结果又经常与天然环境中的实际因果联系相差甚远。统计学方法是研究天然环境中变量间关系的好方法,但常见的统计学方法往往回答的是变量间的相关关系。相关关系是通往因果关系的第一步,但决不是其最终的目的。贝叶斯网络是一种结合图论与统计学理论提出的新型模型。贝叶斯网络不但能够统合已有的各种统计学方法,如混合回归模型,LASSO,自回归模型,隐马模型等等;而且在很大程度上能够弥补统计学模型不能够进行因果推断的缺憾。自贝叶斯网络模型在上个世纪80年代被正式提出以来,其已经被运用于生态、环境、医学、社会学等各方面的研究,取得了丰硕的成果;但是,贝叶斯网络模型理论较为复杂,体系庞大,形式复杂多样,很难被初学者掌握。
1、了解贝叶斯网络(Bayesian Network)模型的基本原理
2、掌握利用R实现贝叶斯网络的主要包及其特点
3、掌握利用R实现贝叶斯静态和动态网络学习的步骤和流程;
4、掌握利用R进行贝叶斯网络推理的要点;
专题一: R语言实现Bayesian Network分析的基本流程
| R语言的数据类型与基本操作 R语言中图论的相关操作 贝叶斯网络的图表示与概率表示 基于bnlearn建立简单的贝叶斯网络 |
专题二: 离散静态贝叶斯网络的构建
| 离散静态网络的结构 离散静态网络的参数估计 离散静态网络的推断 实例分析 |
专题三: 连续分布下的贝叶斯网络
| 连续贝叶斯网络的结构 连续贝叶斯网络的参数估计 高斯贝叶斯网络的推断 实例分析 |
专题四: 混合贝叶斯网络
| 混合分布情况下的处理 贝叶斯统计在混合网络中的应用 实例分析 |
专题五: 动态贝叶斯网络
| 时间序列中变量的选择 时间相关性的处理 动态贝叶斯网络 实例分析 |
专题六: 基于Gephi的网络作图初步 | 基于Gephi的网络作图初步 |
专题七: 真实世界中的贝叶斯网络
| Bootstrap与阈值选择 模型平均方法 非齐次动态贝叶斯网络 实例分析 |