我花了一天时间学习 R 中的 bnlearn 包，却发现贝叶斯模型不适用于无向图。我正在尝试了解马尔可夫随机场网络，到目前为止，我所能做的就是使用图形 LASSO 创建图形结构。
在有向图中，似乎有两个阶段：通过某种方法执行“结构学习”，然后通过另一种方法执行“参数学习”。我的感觉是参数学习可以告诉您模型中包含的每个变量（特征）之间的边权重。我的问题是……那又怎样？你如何处理带有边权重的图？
如果我有一个按特征观察的数据集，并且我的图形节点是该数据集中的特征（从试图模拟协方差矩阵的逆的图形 LASSO 中收集），我能从中学到什么？我可以比较我的数据群组（按目标类值分隔）并为节点分配某种 p 值分析吗？我想，我对图形模型的大局感到困惑。
条件概率关系图模型的价值和威力在于它们传达了有关系统的因果结构和推理结构的信息。例如，雨水或洒水器会导致人行道潮湿，但潮湿的人行道不会导致雨水或洒水器喷洒。如果你的证据是“雨”而不是“洒水器”，你可以推断出某些事情。如果您的证据是“湿人行道”，您可以推断出其他事情。你能推断什么不能推断是由图的结构决定的。
您的“按特征观察的数据集”示例可能适合也可能不适合概率图。我认为，添加诸如“p值”之类的想法/方法只会使您感到困惑。（P 值适用于常客假设检验。）打个比方，您正在组合苹果、橙子和犰狳。
我建议您查看 Judea Pearl 的讲座（https://www.youtube.com/watch?v=zHjdd--W6o4，https://www.youtube.com/watch?v=IiXvpPyhMw8）以及此类教程讲座：https ://www.youtube.com/watch?v=YvdpnqMRmfk ，https ://www.youtube.com/watch?v=Xhdpk9HZQuo 。