CRAN 任务视图：图形模型

维基百科 说

图形模型或概率图形模型 (PGM) 或结构化概率模型是一种概率模型，其中一个图表达了随机变量之间的条件依赖结构。它们通常用于概率论、统计学（特别是贝叶斯统计学）和机器学习中。

补充观点是，图形模型基于利用条件独立性来构建具有模块化结构的复杂随机模型。也就是说，一个复杂的随机模型是由更简单的构建块组成的。

本任务视图是旨在提供 R 代码来处理图形模型的软件包集合。

请注意，结构方程模型 (SEM) 软件包在某种意义上也是图形模型。但是，SEM 软件包没有在此处介绍，而是在 心理测量学 任务视图中拥有自己的部分。

这些软件包可以大致分为以下主题（尽管其中一些软件包的功能跨越了这些类别）

图的表示、操作和显示

• backbone: 实现从无权单部图、加权单部图、无权二部图的投影或加权二部图的投影中提取无权单部图（即骨干）的方法。
• diagram: 基于转移矩阵可视化简单图（网络），用于绘制流程图、可视化网络、电气网络等的工具。
• DiagrammeR: 使用逐步添加和删除节点和边的函数构建图/网络结构。
• graph: 一个实现了一些简单图处理功能的包。
• gRbase: gRbase 包提供了一些其他图形建模包使用的通用结构。这包括 1) gmData（图形元数据）的概念，2) 几个图算法 3) 表操作工具，4) 条件独立性测试函数。gRbase 还说明了如何实现分层对数线性模型 (hllm)。
• igraph: 用于简单图和网络分析的例程。它可以很好地处理大型图，并提供用于生成随机图和规则图、图可视化、中心性方法等的函数。
• network: 用于创建和修改网络对象的工具。network 类可以表示各种关系数据类型，并支持任意顶点/边/图属性。
• qgraph: 加权网络可视化和分析，以及高斯图形模型计算。参见 Epskamp 等人 (2012) doi:10.18637/jss.v048.i04
• Rgraphviz: 为 R 图对象提供绘图功能。
• RBGL: 对 BOOST 库中包含的图算法的相当广泛和全面的接口。（基于来自 graph 包的图对象）。

经典模型 - 通用包

• ggm: 拟合图形高斯模型。
• gRbase: gRbase 包提供了一些其他图形建模包使用的通用结构（特别是 gRain）。这包括 1) gmData（图形元数据）的概念，2) 几个图算法 3) 表操作工具，4) 条件独立性测试函数。gRbase 还说明了如何实现分层对数线性模型 (hllm)。链接：doi:10.18637/jss.v014.i17
• sna: 提供一系列社会网络分析工具，包括节点和图级指标、结构距离和协方差方法、结构等价检测、网络回归、随机图生成以及 2D/3D 网络可视化。
• mgm: 通过弹性网络正则化邻域回归估计 k 阶时变混合图模型和混合 VAR(p) 模型。

其他：模型搜索、结构学习、特定类型的模型等。

• abn (已归档): 使用加性贝叶斯网络对多变量数据建模。加性贝叶斯网络模型由一种 DAG 形式组成，其中每个节点包含一个广义线性模型 (GLM)。加性贝叶斯网络模型等效于使用图形建模的贝叶斯多元回归，它将通常的多元回归 (GLM) 扩展到多个因变量。'abn' 提供例程来帮助确定给定数据集的最佳贝叶斯网络模型，这些模型用于识别混乱、复杂数据中的统计依赖关系。

• SEMID: 线性结构方程模型的可识别性。提供例程来检查线性结构方程模型的可识别性或不可识别性，如 Drton、Foygel 和 Sullivant (2011) doi:10.1214/10-AOS859、Foygel、Draisma 和 Drton (2012) doi:10.1214/12-AOS1012 以及其他著作中所述。这些例程基于结构方程模型的图形表示。

• BDgraph: 基于出生-死亡 MCMC 方法的贝叶斯图选择。无向图模型中结构学习的贝叶斯推断。主要目标是揭示多元数据中的复杂模式，其中包含连续或离散变量。

• bnstruct: 从具有缺失值的數據中学习贝叶斯网络结构。从具有缺失值的數據中学习贝叶斯网络结构。该包实现了 Silander-Myllymaki 完整搜索、Max-Min 父子、爬山、Max-Min 爬山启发式搜索以及结构期望最大化算法。可用的评分函数是 BDeu、AIC、BIC。该包还实现了生成和使用引导样本、插补数据、推断的方法。

• deal: 学习具有混合变量的贝叶斯网络。可以从数据中学习和比较具有连续和/或离散变量的贝叶斯网络。

• FBFsearch: 通过矩分数贝叶斯因子搜索高斯有向无环图模型空间的算法

• GeneNet: 基因网络建模和推断。GeneNet 是一个用于分析基因表达（时间序列）数据的包，重点关注基因网络的推断。

• gRc: 带有边和顶点对称性的图形高斯模型中的推断。估计、模型选择以及图形高斯模型中带有边和顶点对称性（带颜色的图形高斯模型）的统计推断的其他方面。

• gRim: 图形交互模型。提供以下类型的模型：

• huge: 高维无向图估计。

• lvnet: 潜在变量网络建模。使用 OpenMx 估计、拟合和比较结构方程模型 (SEM) 和网络模型（高斯图形模型；GGM）。允许两种可能的概括，将 GGM 包含在 SEM 中：GGM 可以用于潜在变量之间（潜在网络建模；LNM）或残差之间（残差网络建模；RNM）。

• MXM: 特征选择（包括多个解决方案）和贝叶斯网络。

• networkDynamic: 网络对象的动态扩展。简单的接口例程，便于处理具有复杂时态数据的网络对象。“networkDynamic” 是用于网络分析的“statnet” 包套件的一部分。

• ndtv: 网络动态时间可视化。将来自“networkDynamic” 对象的动态网络数据渲染为电影、交互式动画或其他表示不断变化的关系结构和属性的表示。

• pcalg: 通过 PC 算法对有向无环图 (DAG) 的骨架（ugraph）和等价类进行标准和稳健估计。等价类由其（唯一的）完成的部分有向无环图 (CPDAG) 表示。
• qp: 此包已弃用，现在只是一个针对名为 qpgraph 的较新版本的存根，可通过 Bioconductor 项目获得。q 阶偏相关图搜索算法、q-partial 或 qp 算法（简称）是一种稳健的程序，用于从“小 n，大 p”数据中学习无向高斯图形马尔可夫模型，即来自比多维数据点 n 数量更多的随机变量 p 数量的多元正态数据，例如，微阵列数据。
• qpgraph: q 阶偏相关图，或简称 qp 图，是表示 q 阶偏相关的无向高斯图形马尔可夫模型。它们对于从随机变量 p 数量超过可用样本量 n 的数据集学习无向图形高斯马尔可夫模型很有用，例如，在微阵列数据的情况下，它们可以用来反向工程分子调控网络。

• spectralGraphTopology: 该软件包提供估计器，通过对拉普拉斯矩阵和邻接矩阵的特征值和特征向量施加谱约束，从数据中学习 k-分量、二分和 k-分量二分图。这些估计器利用图形模型的谱特性作为先验信息，这些信息在无监督机器学习任务（如社区检测）中起着关键作用。

贝叶斯网络/概率专家系统

• bnlearn: 基于约束（也称为“条件独立性”）和基于评分的算法的贝叶斯网络结构学习。该软件包实现了 Grow-Shrink (GS) 算法、Incremental Association (IAMB) 算法、Interleaved-IAMB (Inter-IAMB) 算法、Fast-IAMB (Fast-IAMB) 算法、Max-Min Parents and Children (MMPC) 算法和 Hill-Climbing (HC) 贪婪搜索算法，用于离散和高斯网络，以及许多评分函数和条件独立性检验。还包括一些实用程序函数（模型比较和操作、随机数据生成、弧方向测试）。

• gRain: 用于图形独立网络（也称为概率专家系统（包括贝叶斯网络作为特例））中概率传播的软件包。链接：doi:10.18637/jss.v046.i10

• RHugin: Hugin Decision Engine (HDE) 是由 HUGIN EXPERT A/S 生产的商业软件，用于构建和从贝叶斯信念网络中进行推理。RHugin 软件包提供了一套函数，允许从 R 统计计算环境中控制 HDE。因此，RHugin 软件包可用于构建贝叶斯信念网络、输入和传播证据以及检索信念。此外，RHugin 软件包可以读取和写入 hkb 和 NET 文件，从而可以轻松地同时使用 RHugin 软件包和 Hugin GUI。RHugin 软件包需要 HDE 的许可副本（或试用版）才能运行，因此该软件包的目标受众是希望利用 R 的统计和编程功能的 Hugin 用户。注意：RHugin 不在 CRAN 上。链接：http://rhugin.r-forge.r-project.org/

  pchc 贝叶斯网络学习，使用 PCHC 及相关算法。使用 PCHC 算法进行贝叶斯网络学习。PCHC 代表 PC 爬山算法，这是一种新的混合算法，它使用 PC 来构建 BN 的骨架，然后应用爬山贪婪搜索。

BUGS 模型

• bayesmix: 使用 JAGS 的单变量高斯分布的贝叶斯混合模型。
• dclone: 数据克隆和 MCMC 工具，用于最大似然方法。用于实现复杂模型的最大似然估计程序的低级函数，使用数据克隆和贝叶斯马尔可夫链蒙特卡罗方法，支持 JAGS、WinBUGS 和 OpenBUGS。支持并行 MCMC 计算，可以显著提高速度。
• boa: 用于 MCMC 的贝叶斯输出分析程序 (BOA)。一个菜单驱动的程序和函数库，用于执行收敛诊断以及马尔可夫链蒙特卡罗采样输出的统计和图形分析。
• BRugs: R 与 OpenBUGS MCMC 软件的接口。与 OpenBUGS 软件的完全交互式 R 接口，用于使用 MCMC 采样进行贝叶斯分析。在 Windows 下的 32 位 R 中本地稳定运行。在 Linux 和 Windows 下的 64 位 R 上运行的版本处于“测试”状态，效率较低。
• coda: 用于 MCMC 的输出分析和诊断。用于马尔可夫链蒙特卡罗模拟的输出分析和诊断。
• ergm: 拟合、模拟和诊断网络的指数族模型。一套集成的工具，用于基于指数族随机图模型 (ERGM) 分析和模拟网络。“ergm” 是用于网络分析的 statnet 软件包套件的一部分。
• R2OpenBUGS: 从 R 运行 OpenBUGS。使用此软件包，可以调用 BUGS 模型，在表格和图形中汇总推断和收敛，并将模拟保存到数组中，以便在 R 中轻松访问。
• R2WinBUGS: 从 R/S-PLUS 运行 WinBUGS 和 OpenBUGS。使用此软件包，可以调用 BUGS 模型，在表格和图形中汇总推断和收敛，并将模拟保存到数组中，以便在 R/S-PLUS 中轻松访问。在 S-PLUS 中，openbugs 功能和 Windows 模拟功能尚不可用。
• rjags: 使用 MCMC 的贝叶斯图形模型。与 JAGS MCMC 库的接口。

CRAN 软件包

相关链接

• gR initiative 主页和邮件列表
• Bioconductor
• JAGS
• OpenBUGS
• WinBUGS
• MATLAB 的贝叶斯网络工具箱
• TETRAD
• Grappa
• RHugin

其他资源

• CRAN 任务视图：Psychometrics
• Bioconductor 包：graph
• Bioconductor 包：qpgraph
• Bioconductor 包：RBGL
• Bioconductor 包：Rgraphviz
• R-Forge 项目：qp
• R-Forge 项目：RHugin