在 causalnex 中构建基于专业知识的贝叶斯网络

Question

到目前为止，在 causalnex 包中，我只遇到过由 数据。我想知道如何使用我的节点参数和专业知识的 CPD 创建自己的网络。任何人有一些参考或示例？

Answer 1

貌似causalnex不直接支持手动设置CPD，但是你可以看下底层代码，发现它是用pgmpy BayesianModel同时表示的因果关系贝叶斯网络中的结构和 CPD。

这样，您可以通过add_cpds 添加您知道的 CPD，而不是安装它们。要获取BayesianModel 对象，它将是：bn._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 ！ causalnex 的一大好处似乎是它使用了NOTEARS 算法，它可以帮助您为有向图构建加权邻接矩阵。再说一次，它还为您协调一些绘图。

另外，docs 的重要说明提醒您，它真的不是连续的，而是离散化/分箱的：

CausalNex 中的贝叶斯网络仅支持离散分布。 任何连续特征，或具有大量 类别，应在拟合贝叶斯之前离散化 网络。包含具有许多可能值的变量的模型将 通常不适合，表现不佳。