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

---

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：