我有一些数据，我想学习此数据的贝叶斯网络，然后使用该贝叶斯网络进行推理。为此，我使用了MATLAB中learn_struct_gs2中的Bayes Net Toolbox。通过使用learn_struct_gs2，可以学习贝叶斯网络。但是，我想知道：
[当我们想从数据中学习贝叶斯网络时，我们特征的值是否应该遵循特定的分布（例如正态分布等）？如果我们的特征值不遵循分布，就不能使用贝叶斯学习？
例如，假设特征的值是：0，10,11,18,100，1250，...
我们可以使用贝叶斯学习吗？
我是贝叶斯学习和人工智能的新手，我花了很多时间来找到这个问题的答案，但我没有。
我的第二个问题是：存在许多学习方法，例如贝叶斯学习，神经网络等。如何找出哪种方法适合我的问题？
模拟，模拟，模拟。
生成人工数据集是开发人员经常使用的方法，它是从业人员验证并整理其对数据假设的一种好方法。今天的计算时间是如此便宜，以至于比通过大量的文献和理论来解析，通常可以更容易地凭经验测试算法的适用性。
这并不是说应该完全放弃学习基础知识，就像在高级本科生和研究生水平的培训中将学到的东西（或在Bishop的“ 模式识别和机器学习]等自由文本中”学习的东西一样）。但是，知道如何与经验测验争论的用户可能会非常有说服力，并且可以用它们来突破学术界倾向于建立的大门。
在您的情况下，请尝试制作一些简单的模拟网络，以使用一系列分布来生成数据。空情况可能是高斯分布。也许您的极端情况可能是对数正态。然后测试算法在这些不同分布下是否推断出正确的网络。关键是：像游乐场一样玩耍。或者，如果您更喜欢愚蠢的明喻，请像对待实验室和实验一样对待它。