使用bnlearn中TABU算法处理数值型数据集时为何报错？

1. 移除数据中的常数列 #

tabu算法依赖统计量计算，若存在所有值完全相同的列（方差为0），会导致计算过程中出现NaN/Inf，触发报错。执行以下代码排查并删除这类列：

# 识别方差为0的列
constant_cols <- sapply(data, function(x) var(x, na.rm = TRUE) == 0)
# 查看常数列名称
print(names(data)[constant_cols])
# 删除常数列
data <- data[, !constant_cols]

2. 处理数值稳定性问题 #

极端值可能引发数值计算溢出，产生Inf或NaN。可以对数据做标准化处理，或者先排查异常值：

• 标准化数值列：

data <- as.data.frame(scale(data))

• 排查Inf/NaN值：

# 检查每列是否存在Inf或NaN
inf_nan_cols <- sapply(data, function(x) any(is.infinite(x) | is.nan(x)))
print(names(data)[inf_nan_cols])

3. 指定适配连续数据的评分函数 #

默认评分函数可能不适合纯数值型数据，明确指定高斯模型的BIC评分：

res <- tabu(data, score = "bic-g")

4. 确认数据类型一致性 #

确保所有列均为数值型，避免隐式类型转换导致的异常：

# 查看各列数据类型
print(sapply(data, class))
# 强制转换为数值型（若有需要）
data <- as.data.frame(lapply(data, as.numeric))

内容的提问来源于stack exchange，提问作者AKC