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.
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:
相关问题 更多 >
编程相关推荐