【欢迎投稿】
如果你有与城市数据、城市创新、智慧城市、新技术等相关主题的稿件，欢迎来稿，稿费多多，请联系微信客服 lemon_udparty
【本期看点】
由于LaTeX优质的文档排版功能，越来越多的期刊开始提供LaTeX模板，那么我们是否只能用LaTeX进行文档的编辑和排版呢？当然不是，LaTeX由于其强大的数学公式编辑能力以及兼容性极好的绘图软件包，具有word所无法企及的科技绘图功能。
本文以贝叶斯网络图的逐步实现为例，对LaTeX的科技绘图功能进行一个初步的探讨，以期为LaTeX初学者提供一点小小的帮助。
贝叶斯网络又称信度网络、有向无环图，是一种概率图模型，是目前不确定知识表达和推理领域最有效的理论模型之一。贝叶斯网络由代表变量结点及连接这些结点有向边构成，结点代表随机变量，结点间的有向边代表了结点间的互相关系，用条件概率进行表达关系强度，适用于表达和分析不确定性和概率性的事件，应用于有条件地依赖多种控制因素的决策，可以从不完全、不精确或不确定的知识或信息中做出推理。
本次贝叶斯网络图的绘制在LaTeX在线编辑系统overleaf.com中实现。首先在overleaf中创建名为Bayesian-network的项目。
关注城市数据派微信号，在微信号中输入“ 92代码 ”，即可获得本文中的完整代码的下载地址。
在使用LaTeX编辑文档或绘图时，需要几行代码来搭建编辑、绘制环境：
在overleaf项目中键入以上代码后，我们可以得到一个空白文档。
在搭建好环境后，我们就可以开始进行贝叶斯网络的绘制了，首先绘制观测变量节点，我们在环境声明的开始和结束之间采用node命令绘制名为obs的观测变量节点，代码示例如下：
在overleaf项目中键入以上代码后，得到以下图形：
同样的，我们采用node命令，改变一些图形参数来绘制参数节点，代码示例如下：
在overleaf项目中键入以上代码后，得到以下图形：
在观测节点和参数节点都绘制完成之后，我们采用path命令来构造有向边，节点间用edge关联，箭头方向为→，代码示例如下：
在overleaf项目中键入以上代码后，得到以下图形：
超参数同样可以用node命令进行绘制，代码示例如下：
超参数同样可以用node命令进行绘制，代码示例如下：
在了解了以上的绘图步骤后，我们根据xinychen的开源项目，绘制一个完整的贝叶斯网络，完整代码及示意图如下：
代码示例（注：图片取自xinychen的GitHub项目）
贝叶斯时序矩阵分解的贝叶斯模型示意图（注：图片取自xinychen的GitHub项目）
[1] Xinyu Chen, Zhaocheng He, Yixian Chen, Yuhuan Lu, Jiawei Wang (2019). Missing traffic data imputation and pattern discovery with a Bayesian augmented tensor factorization model. Transportation Research Part C: Emerging Technologies, 104: 66-77.
[2] Xinyu Chen, Lijun Sun (2019). Bayesian temporal factorization for multidimensional time series prediction. arXiv: 1910.06366.
本文代码参考xinychen的GitHub开源项目awesome-latex-drawing，网址为：
https://github.com/xinychen/awesome-latex-drawing。
关注城市数据派微信号，在微信号中输入“ 92代码 ”，即可获得本文中的完整代码的下载地址。
最近有朋友问我们：为什么没有及时看到推文？因为微信改了推送规则，没有点“赞”或“在看”，没有把我们“星标”，都有可能出现这种状况。
加“星标”，不迷路！看完文章顺手点点“赞”或“在看”，就可以准时与我们见面了~
原文始发于微信公众号（城市数据派）：【手把手教学】玩转LaTeX科技绘图：绘制贝叶斯网络丨城市数据派
规划问道
