Python 在causalnex中构建基于专业知识的贝叶斯网络
到目前为止,在causalnex包中,我只遇到了由Python 在causalnex中构建基于专业知识的贝叶斯网络,python,bayesian-networks,causality,Python,Bayesian Networks,Causality,到目前为止,在causalnex包中,我只遇到了由 数据。我想知道如何利用我的节点参数和专业知识中的CPD创建自己的网络。有人参考过它或举过一个例子吗?它看起来像是causalnex不直接支持手动设置CPD,但是您可以查看底层代码,看到它正在使用pgmpyBayesian模型来同时表示causalnexBayesian网络中的结构和CPD 有了它,你可以通过添加你知道的CPD,而不是安装它们。要获取BayesianModel对象,它将是:bn.\u model,其中bn是您的causalnex.
数据。我想知道如何利用我的节点参数和专业知识中的CPD创建自己的网络。有人参考过它或举过一个例子吗?它看起来像是causalnex不直接支持手动设置CPD,但是您可以查看底层代码,看到它正在使用pgmpyBayesian模型来同时表示causalnexBayesian网络中的结构和CPD 有了它,你可以通过添加你知道的CPD,而不是安装它们。要获取
BayesianModel
对象,它将是:bn.\u model
,其中bn
是您的causalnex.BayesianNetwork
对象
我不确定这是否会让您只想使用pgmpy而不是causalnex!!似乎causalnex的最大好处在于它使用了该算法,它可以帮助您为有向图构建加权邻接矩阵。此外,它还为您协调一些绘图
此外,来自的一条重要提示提醒您,它不是真正连续的,而是离散化的:
CausalNex中的贝叶斯网络只支持离散分布。
任何连续特征,或具有大量
类别,应在拟合贝叶斯模型之前进行离散化
网络。包含具有许多可能值的变量的模型将
通常是不合适的,并且表现出较差的性能
非常感谢。只有一个问题,你怎么知道它使用pgmpy?我只注意到它使用networkx类。您可以在下面的代码中看到它: