python - Python贝叶斯信念网络分类器

Question

谁能推荐一个用 Python 实现的贝叶斯信念网络分类器，它可以根据稀疏网络的输入生成信念概率，该网络描述了关于几个相互关联的对象的一系列事实？

例如，考虑到在 FOL 中表述的“X 饿了，是猴子并且吃东西”的事实，例如：

isHungry(x) ^ isMonkey(x) ^ eats(x,y)

以及一个训练语料库，例如：

isHungry(a) ^ isMonkey(a) ^ eats(a,b) => true
isHungry(b) ^ ~isMonkey(b) ^ eats(b,c) => true
isMonkey(d) ^ eats(d,e) => true
isMonkey(f) ^ eats(f,g) => false
isMonkey(h) ^ ~eats(h,i) => true
isBanana(j) ^ ~eats(j,k) => true

我想在语料库上训练一个贝叶斯信念网络，并用它来估计事实的信念概率。

请注意，我不是在谈论朴素贝叶斯文本分类器。

Answer 1

Python Bayes Network Toolbox将是一个很好的起点。

此外，还有一个更通用的贝叶斯推理工具包，名为bayespy。

嗯。

Answer 2

eBay 有一个开源的，但从未使用过：https ://github.com/eBay/bayesian-belief-networks

Answer 3

我建议使用 python 库bnlearn。它得到维护，并且被高度使用。可以在此处找到带有示例的文档。中篇文章可以在这里找到。