Библиотека для байесовских сетей

Question

Привет молодец номер гусеницы

Как следует из заголовка, я ищу библиотеку для изучения и вывода Байесовских сетей. Я уже нашел некоторые, но я надеюсь на рекомендацию.

Требования в кратком обзоре:

• желательно написано на Java или Python
• настройка (также самой сети) а) возможна и б) возможна через код (а не только через графический интерфейс).
• исходный код доступен
• проект все еще поддерживается
• чем мощнее, тем лучше

Какой из них вы рекомендуете?

Answer 1

Посмотрите на Weka. Это популярно у меня в лесу... Это открытый код, написанный на Java.

Это расскажет вам о байесовских сетях в Weka из резюме:

• Изучение структуры байесовских сетей с использованием различных алгоритмов восхождения на гору (K2, B и т. Д.) И общего назначения (симуляция отжига, поиск по табу).
• Внедрены локальные метрики оценки; Байес, BDe, MDL, энтропия, AIC.
• Внедрены глобальные метрики оставьте одно резюме, k-кратное резюме и накопительное резюме.
• Доступен алгоритм причинного восстановления на основе условной независимости.
• Оценка параметров с использованием прямых оценок и усреднения по байесовской модели.
• Графический интерфейс для легкой проверки байесовских сетей.

Answer 2

Поэтому здесь я даю свой субъективный ответ.

Из моего опыта все, что связано со статистикой, лучше всего решать с помощью R. Я часто видел, что в областях, связанных со статистикой, R имеет больше библиотек и очень часто применяет самые современные алгоритмы / методы.

Большинству программистов, подобных мне, нравится оставаться на тех языках, которые они знают, и изучение чего-то нового - это компромисс, главным образом потому, что это занимает много времени.

Так что, если изучение нового языка является жизнеспособным вариантом, R - это хороший выбор, на мой взгляд, лучший.

Кратко рассмотрим библиотеки R, связанные с байесовскими сетями и байесовскими помехами.

Байсян: http://cran.r-project.org/web/views/Bayesian.html

Графические модели: http://cran.r-project.org/web/views/gR.html

Машинное обучение: http://cran.r-project.org/web/views/MachineLearning.html

Основные преимущества R:
- легко установить библиотеку: install.packages ("RWeka")
- формат и стиль справки одинаковы для всех библиотек
- если вы знаете R, легко переключаться с одной библиотеки на другую. Так что легко протестировать все доступные библиотеки, а затем использовать ту, которая подходит лучше всего

Answer 3

Никогда не использовал его, но, возможно, библиотека MALLET отвечает всем требованиям?