我试图了解这两种方法之间的差异bayes以及包mle的bn.fit功能bnlearn。
我知道频率论者和贝叶斯方法之间关于理解概率的争论。在理论上，我认为最大似然估计mle是一种简单的频率论方法，将相对频率设置为概率。但是进行了哪些计算才能得到bayes估计值？我已经查看了bnlearn 文档、bn.fit 函数的描述和一些应用示例，但没有任何地方对正在发生的事情进行真正的描述。
我还尝试通过首先检出bnlearn::bn.fit、导致bnlearn:::bn.fit.backend、导致来理解 R 中的函数，bnlearn:::smartSapply但后来我被卡住了。
当我将软件包用于学术工作时，我会非常感谢您的帮助，因此我应该能够解释会发生什么。