基于给定的网络结构，我为六个二进制变量（x1至x6）创建了100个实例的数据框。因此，它是存储在变量'input_params'中的0/1值的100 x 6数据框架。使用语句创建一个空图：
library(bnlearn)
bn_graph = empty.graph(names(input_params))
但是，当我尝试使用
的网络中拟合上述参数（'input_params'）时 bn_nw <- bn.fit(bn_graph, input_params)
我有一个错误说
Error in data.type(x) :
variable x1 is not supported in bnlearn (type: integer).
我应该做什么数据类型转换来避免此错误？目前在值中的0或1。
包bnlearn中的函数bn.fit()计算每个变量的局部条件概率分布。
在离散情况下，我们期望categorical（因子函数）参数（在列中"fac1","fac2","fac3"）：
fac_cols <- c("fac1","fac2","fac3")
是数据持续的数据（例如，来自传感器的测量值）数据需要为numeric类型（数字函数）：
num_cols <- c("num1","num2","num3")
假设input_params是一个data.frame，我们需要通过以下方式转换两组列（fac_cols，num_cols）：
input_params[,fac_cols] <- lapply(input_params[,fac_cols], as.factor)
input_params[,num_cols] <- lapply(input_params[,num_cols], as.numeric)
或使用dplyr
input_params <- input_params %>% mutate_at(vars(fac_cols), funs(as.factor)) %>% mutate_at(vars(num_cols), funs(as.numeric))
您需要将定性变量名称更改为一个字符，例如，您的名称年龄是年轻，成人，老年人的类别。现在将子组的名称更改为y，a，o我有一个像你这样的问题，并解决了