在现代的生态、环境以及地学研究中，变量和变量间的因果关系推断占据了非常重要的地位。在实践中，变量间的因果关系研究往往求助于昂贵的实验，但所得结果又经常与天然环境中的实际因果联系相差甚远。统计学方法是研究天然环境中变量间关系的好方法，但常见的统计学方法往往回答的是变量间的相关关系。相关关系是通往因果关系的第一步，但决不是其最终的目的。贝叶斯网络是一种结合图论与统计学理论提出的新型模型。贝叶斯网络不但能够统合已有的各种统计学方法，如混合回归模型，LASSO,自回归模型，隐马模型等等；而且在很大程度上能够弥补统计学模型不能够进行因果推断的缺憾
专题一：R语言实现Bayesian Network分析的基本流程
R语言的数据类型与基本操作R语言中图论的相关操作贝叶斯网络的图表示与概率表示基于bnlearn建立简单的贝叶斯网络
专题二：离散静态贝叶斯网络的构建
离散静态网络的结构学习离散静态网络的参数估计离散静态网络的推断实例分析
专题三：连续分布下的贝叶斯网络
连续贝叶斯网络的结构学习连续贝叶斯网络的参数估计高斯贝叶斯网络的推断实例分析
专题四：混合贝叶斯网络
混合分布情况下的处理贝叶斯统计在混合网络中的应用实例分析
专题五：动态贝叶斯网络
时间序列中变量的选择时间相关性的处理动态贝叶斯网络实例分析
专题六：基于Gephi的网络作图初步
基于Gephi的网络作图初步
专题七：真实世界中的贝叶斯网络
Bootstrap与阈值选择模型平均方法非齐次动态贝叶斯网络实例分析。
点击关注，获取更多资源和教程！