基础教材
基础教材推荐的是2006年出版的《贝叶斯网络引论》[张连文,郭文鹏],总体分为四个部分:
①贝叶斯网络基础,涉及概率论的基础知识、贝叶斯网络的定义和组成以及贝叶斯网络所涉及的图论相关的知识。
②贝叶斯网络推理,主要从理论层面介绍了贝叶斯网络的作用,如何利用贝叶斯网络进行概率推理,介绍了基础的精确推理算法和近似推理算法。
③贝叶斯网络学习,包含参数学习、结构学习、隐结构模型学习的基本算法介绍。
④贝叶斯网络应用
进阶的教材推荐是2009年出版的《贝叶斯网络学习、推理与应用》[王双成]
大家可以在CSDN的资料下载中找到这两本书。
视频教程
网上能搜到的大多数关于贝叶斯网络的教程,都是将贝叶斯网作为人工智能或者机器学习课程中的一部分章节来介绍。
详细介绍贝叶斯网络基础、推理、学习和应用的:
中文课程:最近发现的,比较详细介绍了贝叶斯网络基本知识,复旦DISC魏忠钰
英文课程:比较全面的是UCLA-CS262a:Learning and Reasoning with Bayesian Networks.有条件的同学可以看油管上带字幕版本
编程实现
R语言版本:(待补充)
Python实现:
- 首先推荐pgmpy官方文档:
pgmpy.org
github.com/pgmpy/pgmpy_notebook/blob/master/blob/master/notebooks - python实现案例:
贝叶斯网络python实战(以泰坦尼克号数据集为例,pgmpy库),CSDN