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。有人提到过它或举过一个例子吗

Answer 1

看起来，causalnex不直接支持手动设置CPD，但您可以查看底层代码，看到它使用pgmpyBayesianModel来同时表示causalnexBayesianNetwork中的结构和CPD

有了它，您可以通过add_cpds添加您知道的CPD，而不是拟合它们。要获取BayesianModel对象，它应该是：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！！似乎causalnex的最大好处是它使用了NOTEARS算法，这有助于为有向图构建加权邻接矩阵。此外，它还为您协调一些绘图

另外，来自docs的一条重要提示提醒您，它不是真正的连续的，而是离散的：

Bayesian Networks in CausalNex support only discrete distributions. Any continuous features, or features with a large number of categories, should be discretised prior to fitting the Bayesian Network. Models containing variables with many possible values will typically be badly fit, and exhibit poor performance.