bnlearn包custom.fit报错：节点C维度错误求解决方案及调试方法

问题复现 #

运行以下bnlearn代码时触发维度错误：

library(bnlearn)
cpt_A <- matrix(c(0.8, 0.2), ncol = 2,
                     dimnames = list(NULL, c("True", "False")))
cpt_B <- matrix(c(0.2, 0.8), nrow = 1, ncol = 2,
                   dimnames = list(NULL, c("True", "False")))
cpt_C <- array(c(0.9, 0.6, 0.01, 0.1, 0.1, 0.4, 0.99, 0.9),
                      dim = c(2,2,2),
                      dimnames = list(A = c("True", "False"),
                                      B = c("True", "False"),
                                      C = c("True", "False")
                      )
)
net_C <- model2network("[A][B][C|A:B]")
fit_C <- custom.fit(net_C, list(A = cpt_A, 
                                B = cpt_B, 
                                C = cpt_C))

报错信息：

Error in check.dnode.rvalue.vs.parents(node, new = dist[[node]], parents = fitted[node.parents]) : 
  wrong dimensions for node C.

解决方案 #

问题根源是条件概率表（CPT）的概率值排列顺序不符合bnlearn的要求：
bnlearn要求CPT的概率值需按「父节点笛卡尔积顺序」填充，且每个父节点组合对应子节点所有取值的概率组。你的网络定义中C的父节点顺序是A:B，但cpt_C中概率值的排列没有匹配这个顺序。

修正后的cpt_C如下：

# 按A(True)+B(True)、A(True)+B(False)、A(False)+B(True)、A(False)+B(False)的顺序，每组对应C(True)、C(False)的概率
cpt_C <- array(c(0.9, 0.1, 0.01, 0.99, 0.6, 0.4, 0.1, 0.9),
               dim = c(2,2,2),
               dimnames = list(A = c("True", "False"),
                               B = c("True", "False"),
                               C = c("True", "False")
               )
)

替换后重新执行代码即可正常运行。

通用调试方法 #

• 核对CPT结构：用str(empty.fit(net_C))查看空拟合模型的CPT维度、命名和顺序，确保自定义的CPT完全匹配。
• 验证概率排列逻辑：父节点的取值组合按「先遍历第一个父节点的所有水平，再遍历第二个父节点」的顺序排列，每个组合对应子节点的所有取值概率。
• 检查概率和：每个父节点组合对应的子节点概率和必须为1，可通过apply(cpt_C, c(1,2), sum)快速验证。

内容的提问来源于stack exchange，提问作者DarrenRhodes