介绍 这个项目是我的SUB毕设的源码。SUB毕设做的是建造一个Hadoop云计算平台，并在该平台上将贝叶斯网络结构学习算法进行分布化实现。 贝叶斯网络结构学习算法采用K2算法，K2算法采用贪婪搜索处理模型处理问题。首先选择一种评价网络结构优劣的评分函数，本项目中使用的是BIC评分，然后从一个网络开始，根据预先确定的最大父父数据和例程的序号，选择选择分值最高的中断作为该例程的父节点。 K2算法的出发点是一个只有例程没有边的无向图，然后按照顺序依次确定该例程的父例程，即增加有向边，并使用评分函数作

stantargets stantargets R软件包是对Bayesian数据分析的和的扩展。 stantargets使得设置有用的可扩展Stan管道变得非常容易，该管道可自动并行化计算并在结果已为最新时跳过昂贵的步骤。需要最少的自定义代码，并且不需要手动配置分支，因此使用比单独使用容易得多。 stantargets可以访问的所有主要算法（MCMC，变分贝叶斯算法和优化），并且支持单拟合工作流和多重复仿真研究。 先决条件 的。 基本了解 ：观看6至40分钟，然后阅读。 熟悉贝叶斯统计和。事先

贝叶斯 贝叶斯统计分析