使用bnlearn构建简单贝叶斯网络遇父节点数量错误求助

在使用bnlearn和Rgraphviz构建含T、N节点的贝叶斯网络（T指向N）时，调用custom.fit函数出现wrong number of parents for node N错误。该场景对应Fenton和Neil2013年著作《Risk Assessment and Decision Analysis with Bayesian Networks》第132页的问题，原代码及报错信息如下：

原代码 #

library(bnlearn)
library(Rgraphviz)

dag <- empty.graph(nodes = c("T", "N"))

arc.set <- matrix(c("T", "N"),
                  byrow = TRUE, ncol = 2,
                  dimnames = list(NULL, c("from", "to")))

arcs(dag) <- arc.set
graphviz.plot(dag)

T.lv <- c("False", "True")
N.lv <- c("N.nL", "N.L")

T.prob <- array(c(0.9, 0.1), dim = 2, dimnames = list(T = T.lv))
N.prob <- array(c(0.9, 0.1), dim = 2, dimnames = list(N = N.lv))

cpt <- list(T = T.prob, N = N.prob)

bn <- custom.fit(dag, cpt, debug = TRUE)

报错信息 #

* processing node T .
  > the node has class bn.fit.dnode .
* processing node N .
  > found parents: T .
Error in check.dnode.rvalue.vs.parents(node, new = dist[[node]], parents = fitted[node.parents]) : 
  wrong number of parents for node N.

错误原因 #

错误核心在于节点N的条件概率表（CPT）定义不符合其依赖关系。因为N有父节点T，所以N的CPT必须包含父节点T的所有状态组合——即需要分别定义T为False和True时N的概率分布。原代码中N.prob是一维数组，仅定义了N的边缘概率，未考虑父节点T的影响，导致custom.fit无法匹配DAG的依赖结构。

修正后的代码 #

library(bnlearn)
library(Rgraphviz)

dag <- empty.graph(nodes = c("T", "N"))

arc.set <- matrix(c("T", "N"),
                  byrow = TRUE, ncol = 2,
                  dimnames = list(NULL, c("from", "to")))

arcs(dag) <- arc.set
graphviz.plot(dag)

T.lv <- c("False", "True")
N.lv <- c("N.nL", "N.L")

# T的先验概率（无父节点，一维数组）
T.prob <- array(c(0.9, 0.1), dim = 2, dimnames = list(T = T.lv))

# N的条件概率表：行对应父节点T的状态，列对应N的状态
# 示例：T=False时N.nL=0.9/N.L=0.1；T=True时N.nL=0.2/N.L=0.8
N.prob <- array(c(0.9, 0.2, 0.1, 0.8), 
                dim = c(2, 2), 
                dimnames = list(T = T.lv, N = N.lv))

cpt <- list(T = T.prob, N = N.prob)

# 拟合贝叶斯网络
bn <- custom.fit(dag, cpt, debug = TRUE)

# 验证N的条件概率表
print(bn$N)

关键修改点 #

• 将N.prob改为二维数组，维度c(2,2)对应父节点T的2种状态和N的2种状态
• dimnames明确包含父节点T的状态列表，确保CPT与DAG的依赖结构完全匹配
• 数组元素按[T状态, N状态]的顺序填充，保证每个父节点状态下的概率分布合法（每行和为1）

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