任何人都可以推荐用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，描述一系列相互关联的对象的事实吗？
e.g。鉴于事实“X饥饿，是一只猴子和吃”，在FOL中制定如下：
isHungry(x) ^ isMonkey(x) ^ eats(x,y)
以及像：
这样的训练语料库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贝叶斯信念网络，并用它来估计事实的信念概率。
注意，我不谈论朴素贝叶斯文本分类器。