Python贝叶斯信念网络分类器

Question

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。

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 。

H个。

Answer 2

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