pgmpy返回错误的条件概率

Question

我试图用pgmpy Python package来学习一组状态之间的转移概率，但是当我拟合模型时，我发现条件概率是不正确的。在

作为这类问题的一个非常简化的例子，考虑由两个状态a和B组成的Bayesian网络，从a到B有一条有向边。假设我们已经观察到，当a为0时，B为1，当a为1时，B为0。通过描述以下情况：

import pandas as pd
from pgmpy.models import BayesianModel

data = pd.DataFrame(data={'A': [0, 0, 1, 1, 1, 1], 'B': [1, 1, 0, 0, 0, 0]})
model = BayesianModel([('A', 'B')])
model.fit(data)

然而，当我们通过调用model.cpds[1]来检查拟合的条件概率时，我们发现pgmpy已经学习了以下内容：

^{pr2}$

当它应该学会

+------+------+------+
| A    | A(0) | A(1) |
+------+------+------+
| B(0) | 0.0  | 1.0  |
+------+------+------+
| B(1) | 1.0  | 0.0  |
+------+------+------+

有人能给我解释一下这里发生了什么事吗？这是一个非常基本的例子，我觉得我快疯了。谢谢

Answer 1

可通过pip安装的pgmpy版本有一个错误，导致它错误地计算条件概率。从git克隆dev存储库并手动安装它可以解决这个问题。感谢@lstbl在这里解决了这个问题：https://stats.stackexchange.com/questions/292738/inconsistencies-between-conditional-probability-calculations-by-hand-and-with-pg