| accuracy | 计算预测精度。 | ||
| AIC.bnc_bn | 计算（惩罚）对数似然。 | ||
| aode | 学习AODE合奏。 | ||
| as_grain | 转换为图形和纹理。 | ||
| as_graphNEL | 转换为图形和纹理。 | ||
| as_mlr | 转换为“mlr”。 | ||
| awnb_weights | 检查贝叶斯网络分类器（具有结构和参数）。 | ||
| BIC.bnc_bn | 计算（惩罚）对数似然。 | ||
| bnc | 学习网络结构和参数。 | ||
| bnclassify | 从数据中学习离散贝叶斯网络分类器。 | ||
| bnc_bn | 具有结构和参数的贝叶斯网络分类器。 | ||
| bnc_dag | 贝叶斯网络分类器结构。 | ||
| bsej | 以贪婪的方式学习贝叶斯网络分类器。 | ||
| car | 汽车评估数据集。 | ||
| classes | 检查贝叶斯网络分类器（具有结构和参数）。 | ||
| class_var | 检查贝叶斯网络分类器结构。 | ||
| cLogLik | 计算（惩罚）对数似然。 | ||
| cmi | 计算两个变量之间的（有条件的）互信息。 | ||
| cv | 用分层交叉验证估计预测准确率。 | ||
| families | 检查贝叶斯网络分类器结构。 | ||
| features | 检查贝叶斯网络分类器结构。 | ||
| feature_families | 检查贝叶斯网络分类器结构。 | ||
| fssj | 以贪婪的方式学习贝叶斯网络分类器。 | ||
| grain_and_graph | 转换为图形和纹理。 | ||
| greedy_wrapper | 以贪婪的方式学习贝叶斯网络分类器。 | ||
| inspect_bnc_bn | 检查贝叶斯网络分类器（具有结构和参数）。 | ||
| inspect_bnc_dag | 检查贝叶斯网络分类器结构。 | ||
| is_anb | 检查贝叶斯网络分类器结构。 | ||
| is_nb | 检查贝叶斯网络分类器结构。 | ||
| is_ode | 检查贝叶斯网络分类器结构。 | ||
| is_semi_naive | 检查贝叶斯网络分类器结构。 | ||
| kdb | 以贪婪的方式学习贝叶斯网络分类器。 | ||
| learn_params | 学习贝叶斯网络结构的参数。 | ||
| loglik | 计算（惩罚）对数似然。 | ||
| logLik.bnc_bn | 计算（惩罚）对数似然。 | ||
| lp | 学习贝叶斯网络结构的参数。 | ||
| manb_arc_posterior | 检查贝叶斯网络分类器（具有结构和参数）。 | ||
| modelstring | 检查贝叶斯网络分类器结构。 | ||
| narcs | 检查贝叶斯网络分类器结构。 | ||
| nb | 学习朴素贝叶斯网络结构。 | ||
| nparams | 检查贝叶斯网络分类器（具有结构和参数）。 | ||
| params | 检查贝叶斯网络分类器（具有结构和参数）。 | ||
| plot.bnc_dag | 绘制结构图。 | ||
| predict.bnc_fit | 预测类标签或类后验概率分布。 | ||
| tan_chowliu | 使用Chow-Liu算法学习一个单依赖估计。 | ||
| tan_cl | 使用Chow-Liu算法学习一个单依赖估计。 | ||
| tan_hc | 以贪婪的方式学习贝叶斯网络分类器。 | ||
| tan_hcsp | 以贪婪的方式学习贝叶斯网络分类器。 | ||
| values | 检查贝叶斯网络分类器（具有结构和参数）。 | ||
| vars | 检查贝叶斯网络分类器结构。 | ||
| voting | 国会投票数据集。 |