学习贝叶斯网络结构的等价类

从数据中学习贝叶斯网络的方法通常将评分函数与启发式搜索过程相结合。给定一个贝叶斯网络结构，文献中推导出的许多评分函数会返回该结构所属的整个等价类的评分。当使用此类评分函数时，启发式搜索算法适合在贝叶斯网络的等价类上进行搜索，而非在单个结构上搜索。我们提出了一个搜索空间的一般形式，其中搜索的状态对应于结构的等价类。利用该空间，可以轻松应用多种启发式搜索算法中的任意一种。我们比较了在所提出的搜索空间中进行贪婪搜索的性能，与在状态对应于单个贝叶斯网络结构的搜索空间中进行贪婪搜索的性能。