贝叶斯网络python实现之bnlearn包使用详解

bnlearn库是专门用来学习贝叶斯网络的图形结构、参数学习、推理和抽样方法的python包。
Bnlearn 构建在pgmpy包的基础上。

贝叶斯网络的学习可以分解为两部分：

1. 贝叶斯网络结构学习：
   给定一组数据样本，估计变量之间的依赖关系以及对应的结构图；

2. 贝叶斯网络参数学习：
   给定一组数据样本和捕获变量之间依赖关系的DAG，估计单个变量的(条件)概率分布。

bnlearn包的导入以及几种主要方法如下：

#导入bnlearn包
import bnlearn as bn
###结构学习
bn.structure_learning.fit()
###参数学习
bn.parameter_learning.fit()
##推理
bn.inference.fit()
##加载众所周知的例子来玩或者加载你自己的.bif文件
bn.import_DAG()
##比较两个贝叶斯网络图
bn.compare_networks()
##画图
bn.plot()
##转化为独热矩阵
bn.df2onehot()

bnlearn库还有以下功能：
推理
抽样
比较两个网络
加载bif文件
有向图到无向图的转换

我们准备数据如下：

import bnlearn as bn
import pandas as pd
df=pd.read_csv("C:\\Users\\18811\\Desktop\\work1.csv")
model=bn.structure_learning.fit(df)
G=bn.plot(model)

五行代码搞出贝叶斯网络结构：