为何使用R语言BNLEARN包运行代码时预测值每次均变化？

你的代码里有两个核心的随机来源，导致每次运行结果不同：

1. 结构学习阶段（hc()函数）的随机性 #

你使用的hc()是爬山法（Hill-Climbing）结构学习算法，结合参数perturb = 1000，会在算法陷入局部最优时随机扰动当前的贝叶斯网络结构，尝试跳出局部最优寻找更优结构。这种扰动过程是随机的，所以每次运行hc()得到的网络结构（res对象）可能存在差异。后续基于不同结构拟合的bn.fit模型参数也会随之变化，最终导致预测结果不同。

2. 预测阶段（predict()的bayes-lw方法）的随机性 #

你选用的预测方法method = "bayes-lw"是贝叶斯加权似然抽样，参数n = 5指定了生成的加权样本数量。这个方法依靠随机抽样来估计目标节点的后验分布，抽样过程本身具有随机性——哪怕模型结构和参数完全固定，每次抽取出的样本也会不一样，因此最终的预测值（比如后验均值、抽样结果）会出现波动。

如果想让结果固定，可做以下调整：

• 在代码开头设置固定随机种子：set.seed(123)（数值可任意指定），确保hc()的扰动过程和bayes-lw的抽样过程都能复现；
• 若不需要结构学习的随机性，可通过start参数指定固定初始结构，或把perturb设为0（但可能让算法陷入局部最优）；
• 增大n的取值（比如n=1000），能减少抽样带来的结果波动，让预测值更稳定。

内容的提问来源于stack exchange，提问作者AKC