R语言自定义实现BDe Score报错求助（不使用内置函数）

错误原因排查 #

• 检查代码中是否意外调用了第三方包的check.nodes函数（比如bnlearn内置的），如果是直接删除该检查逻辑，换成自定义的节点验证：判断节点名称是否存在于数据集列名中，是否为空值。
• 确认计算单个节点BDe得分时，是否正确传入节点参数：比如循环遍历数据集列名作为节点输入，避免出现空的node变量。

命题18.2的BDe Score手动实现代码 #

以下是完全不依赖内置包的R实现，对应《Probabilistic Graphical Models: Principles and Techniques》命题18.2的公式：

# 数据预处理：统一转为因子类型
preprocess_data <- function(data) {
  lapply(data, function(col) as.factor(col)) %>% as.data.frame()
}

# 计算充分统计量N_ijk：节点i在父节点取值组合j时取k的次数
compute_counts <- function(data, node, parents) {
  if (length(parents) == 0) {
    # 无父节点时，统计节点各取值的次数
    table(data[[node]])
  } else {
    # 有父节点时，统计节点与父节点的联合分布次数
    table(data[, c(node, parents)])
  }
}

# 计算BDe Score
compute_bde_score <- function(data, node, parents, prior_eq = 1) {
  data <- preprocess_data(data)
  counts <- compute_counts(data, node, parents)
  
  # 获取节点取值数r_i，父节点组合数q_i
  r_i <- nlevels(data[[node]])
  q_i <- if (length(parents) == 0) 1 else prod(sapply(data[, parents], nlevels))
  
  score <- 0
  for (j in 1:q_i) {
    # 父节点组合j对应的先验计数总和
    m_ij <- prior_eq * r_i
    # 父节点组合j对应的观测计数总和
    n_ij <- sum(counts[, j])
    
    # 累加Gamma函数项
    score <- score + lgamma(m_ij) - lgamma(m_ij + n_ij)
    
    for (k in 1:r_i) {
      n_ijk <- if (length(parents) == 0) counts[k] else counts[k, j]
      m_ijk <- prior_eq
      score <- score + lgamma(m_ijk + n_ijk) - lgamma(m_ijk)
    }
  }
  score
}

# 示例使用
set.seed(123)
data <- data.frame(
  A = sample(c("a1", "a2"), 100, replace = TRUE),
  B = sample(c("b1", "b2"), 100, replace = TRUE),
  C = sample(c("c1", "c2", "c3"), 100, replace = TRUE)
)

# 计算节点C以A、B为父节点的BDe得分
compute_bde_score(data, node = "C", parents = c("A", "B"))

关键注意事项 #

• 传入的node必须是字符串类型，且存在于数据集列名中，禁止传入空值或不存在的节点名。
• 先验等价样本量prior_eq可按需调整，通常设为1或数据集样本量的比例值。
• 使用lgamma（对数伽马函数）避免直接计算伽马函数导致的数值溢出，这是BDe Score计算的标准处理方式。

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