问题陈述：
我有一个数据集，想从中学习贝叶斯网络。没有给出数据集的信息，可用于进行假设并创建PyMC文档中描述的初始模型。所以，我想直接从数据中学习模型而不做任何假设。
背景
我确实阅读了PyMC（v2＆amp; v3）的文档，但未能找到任何方法可以让我从给定的数据样本中学习模型。在我阅读的几乎所有例子中，作者都假设了建立模型，然后用模型拟合模型。
相关：
jmschrei石榴框架提供了消耗复杂数据帧的方法from_samples()。这是我正在寻找的东西，但sample()方法没有实现。因此，我不能回到他的框架。
但pymc是否有类似的方法？
答案 0 :(得分：0)
正如Aloctavodia所说，你不能没有假设。我不认为它只与PyMC有关，它也是科学模型的基础。这种模型的原理是您定义可以通过观察估计的参数。没有假设是很奇怪的。难道你不认为我们至少在我们的宇宙中吗？或者您的数据是否具有统计相关性？
如果你不能提出数学模型。我认为PyMC不能帮助你。也许你可以期待深度学习。希望这有帮助