我正在研究＆＃34; bnlearn＆＃34;在R中构建离散变量的概率网络。我需要根据构造的BN预测一个变量。让我们以虹膜数据为例，我写了R代码，指的是CrossValidated中的另一篇文章。代码如下：
> data(iris)
> set.seed(1)
> tr_idx <- sample(seq_len(nrow(iris)), size = 100)
> tr <- iris[tr_idx,]
> te <- iris[-tr_idx,]
> res <- hc(tr)
> fit <- bn.fit(res, tr)
> pred <- predict(fit, "Species", te)
> cb <- cbind(pred, te[, "Species"])
> accuracy(f = pred, x = te[, "Species"])
我是对的吗？我的问题是： 1.我是否必须对每个变量进行分类？ 2.如果我的数据包括离散变量和连续变量，我可能会使用哪种结构学习函数？ 3.根据上面的例子，功能准确性不起作用，我得到如下错误：
accuracy(f = pred, x = te[, "Species"])
Error in accuracy(f = pred, x = te[, "Species"]) : First argument should be a forecast object or a time series.
那么，请你帮忙吗？非常感谢提前。
此致 雪梅