使用 Python3.x 创建贝叶斯网络和学习参数

Question

我正在为 Windows 上的 python3.x 寻找最合适的工具来创建贝叶斯网络，从数据中学习它的参数并执行推理。

我要自己定义的网络结构如下：

它取自 这篇 论文。

除了“Size”和“GraspPose”之外的所有变量都是离散的（并且只能采用 2 种可能的状态），它们是连续的并且应该建模为高斯混合。

作者使用 Expectation-Maximization 算法 来学习条件概率表的参数，并使用 Junction-Tree 算法 来计算精确推理。

据我了解，所有内容都是在 MatLab 中使用 Murphy 的 Bayes Net Toolbox 实现的。

我试图在 python 中搜索类似的东西，这是我的结果：

1. Python 贝叶斯网络工具箱 http://sourceforge.net/projects/pbnt.berlios/ ( http://pbnt.berlios.de/ )。网站不工作，项目似乎不受支持。

2. BayesPy https://github.com/bayespy/bayespy 我认为这是我真正需要的，但我没能找到一些与我的案例类似的例子，以了解如何构建网络结构。

3. PyMC 似乎是一个功能强大的模块，但我在 Windows 64、python 3.3 上导入它时遇到问题。安装开发版时出现错误

警告（theano.configdefaults）：未检测到 g++！ Theano 将无法执行优化的 C 实现（对于 CPU 和 GPU）并将默认为 Python 实现。性能将严重下降。要删除此警告，请将 Theano flags cxx 设置为空字符串。

更新：

1. libpgm ( http://pythonhosted.org/libpgm/ )。正是我需要的，不幸的是 python 3.x 不支持
2. 非常有趣的积极开发库：PGMPY。不幸的是，尚不支持连续变量和从数据中学习。 https://github.com/pgmpy/pgmpy/

任何建议和具体示例将不胜感激。

原文由 Spu 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

看起来 石榴 最近更新为包括贝叶斯网络。我自己还没有尝试过，但界面看起来不错而且很 sklearn-ish。

原文由 James Atwood 发布，翻译遵循 CC BY-SA 3.0 许可协议