要打印节点的分布,您可以使用bnlearn
包中的cptable
函数。以下是一个示例代码:
# 导入 bnlearn 包
library(bnlearn)
# 创建一个简单的贝叶斯网络
dag <- empty.graph(nodes = c("A", "B", "C"))
arc.set(graph = dag, arcs = matrix(c("A", "B", "B", "C"), ncol = 2, byrow = TRUE))
# 生成一些随机数据
data <- rbn(dag, n = 1000)
# 估计网络的参数
fitted <- bn.fit(network = dag, data = data)
# 打印节点的分布
print(cptable(fitted))
在上述代码中,我们首先导入了bnlearn
包。然后,我们创建了一个简单的贝叶斯网络,该网络包含三个节点A,B和C,并且B节点是A节点的父节点,C节点是B节点的父节点。
接下来,我们生成了一个包含1000个样本的随机数据集。然后,我们使用bn.fit
函数估计了网络的参数。
最后,我们使用cptable
函数打印了节点的分布。这将显示每个节点的条件概率表。