贝叶斯网络库

看看Weka吧。它在我的脖子上很受欢迎......它是开源的，用Java编写。 这将从抽象中告诉你Weka中的贝叶斯网络： 贝叶斯的结构学习 使用各种爬山的网络 （K2，B等）和一般用途 （模拟退火，禁忌搜索） 算法。 本地分数指标 实施;贝叶斯，BDe，MDL， 熵，AIC。 全球得分指标 实施;留下一个cv，k-fold cv和累积cv。 条件 基于独立的因果恢复 算法可用。 参数 估计使用直接估计和 贝叶斯模型平均。 用于GUI 易于检查贝叶斯网络。     

所以在这里我给出了主观的答案。 根据我的经验，与统计相关的所有内容最好用R解决。我经常看到，在与统计相关的领域中，R拥有最多的库，并且通常是最先进的算法/方法。 像我这样的大多数程序员喜欢使用他们所知道的语言，而学习新东西是一种权衡，主要是因为它耗费时间。 因此，如果学习一门新语言是一个可行的选择，R是一个不错的选择，在我看来是最好的选择。 简要介绍一下与贝叶斯网络和贝叶斯干扰相关的R库。 贝叶斯： http://cran.r-project.org/web/views/Bayesian.html 图形模型： http://cran.r-project.org/web/views/gR.html 机器学习： http://cran.r-project.org/web/views/MachineLearning.html R的主要优点：    - 易于安装库：install.packages（“RWeka”）    - 所有库的帮助格式和样式都相同    - 如果你知道R，很容易从一个库切换到下一个库。所以很容易测试所有可用的库，然后使用最适合的库     

从未使用它，但也许MALLET库符合要求吗？