我有一些数据，我想学习此数据的贝叶斯网络，然后使用该贝叶斯网络进行推理。为此，我使用了MATLAB中Bayes Net Toolbox中的learn_struct_gs2。通过使用learn_struct_gs2可以学习贝叶斯网络。但是，我想知道：
当我们想从数据中学习贝叶斯网络时，我们的特征值是否应遵循特定的分布（例如正态分布等）？如果我们的特征值不遵循分布，我们就不能使用贝叶斯学习吗？
例如，假设特征的值是：
0，10,11,18,100，1250，...
我们可以使用贝叶斯学习吗？
我是贝叶斯学习和人工智能的新手，我花了很多时间来找到这个问题的答案，但我没有。
我的第二个问题是：
存在许多学习方法，例如贝叶斯学习，神经网络等。如何找出这些方法中哪种适合我的问题？
最佳答案
模拟，模拟，模拟。
生成人工数据集是开发人员经常使用的方法，对于从业人员来说，这是一种验证和整理其关于数据假设的好方法。今天的计算时间是如此便宜，以至于比通过大量的文献和理论来解析，人们通常可以更容易地凭经验来测试算法的适用性。
这并不是说应该完全放弃学习基础知识，例如在高级本科生和研究生水平的培训（或在Bishop的“模式识别和机器学习”之类的自由文本中）学习的基础知识。但是，知道如何与经验测验争论的用户可能会极有说服力，并且可以用它们来突破学术界往往会竖起的大门。
在您的情况下，请尝试制作一些简单的模拟网络，以使用一系列分布来生成数据。空情况可能是高斯分布。也许您的极端情况可能是对数正态。然后测试算法在这些不同分布下是否推断出正确的网络。关键是：像游乐场一样玩耍。或者，如果您更喜欢笨拙的比喻：像对待实验室和实验一样对待它。
关于matlab - 贝叶斯网络推断算法是否假设数据的特定分布？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59444552/