K2算法在贝叶斯网络DAG结构学习中的应用：基于1992年Cooper版本的便捷MATLAB实现

简介：
本文介绍了K2算法在贝叶斯网络有向无环图(DAG)结构学习中的应用，并提供了基于1992年Cooper版本的简便MATLAB实现方法。 K2算法是近二十年来贝叶斯网络中最著名的基于分数的算法之一。它以DAG的形式有效地恢复了底层分布。关于该算法的具体内容，请参考Cooper发表的论文[1]。 从“ControlCentor.m”文件开始，这里有一个简单的例子帮助理解如何使用我们的代码。如果在使用过程中遇到任何问题，请随时告知我，我会尽快提供协助。 此外，我用mex编程重写了K2，并且如果您知道编译方法的话可以尝试使用K2.c文件进行操作。这段代码能够处理多达1000个变量的场景并且效率很高，在32位和64位Linux系统上已经进行了测试验证。 [1] G. Cooper 和 E. Herskovitz，从数据中归纳概率网络的贝叶斯方法，机器学习9 (1992), 330–347。 如果您使用了此代码，请引用我们的论文：Bielza, C., Li, G. & Larrañaga, P. (2011) 贝叶斯网络的多维分类。国际近似推理杂志，第52卷，第705-7页。