如何用pgmpy自定义BayesianNetwork并基于标注数据做参数训练？

一、统一定义节点状态 #

不管是观测变量还是故障变量，在贝叶斯网络里都是普通节点，只需把所有节点的可能取值整理成一个字典即可。比如合并你手里的观测/故障变量字典：

# 示例：整合后的节点状态字典
node_states = {
    # 观测变量
    "sensor_temp": ["low", "medium", "high"],
    "sensor_pressure": ["normal", "abnormal"],
    # 故障变量
    "fault_overheat": ["present", "absent"],
    "fault_leak": ["active", "inactive"]
}

注意：标注数据里的所有取值必须和这里的状态严格匹配，否则后续会报错。

二、初始化网络结构 #

用你已有的边元组列表直接创建贝叶斯网络：

from pgmpy.models import BayesianNetwork

# 示例：你的边结构元组列表
edges = [
    ("fault_overheat", "sensor_temp"),
    ("fault_leak", "sensor_pressure"),
    ("fault_overheat", "fault_leak")
]

# 创建网络并加载边结构
model = BayesianNetwork(edges)

三、准备标注数据 #

把你的标注数据整理成Pandas DataFrame格式，每一列对应一个节点，每一行是一个样本的完整状态记录：

import pandas as pd

# 示例标注数据（替换成你的真实数据）
data = pd.DataFrame({
    "fault_overheat": ["present", "absent", "present", "absent"],
    "fault_leak": ["active", "inactive", "inactive", "active"],
    "sensor_temp": ["high", "medium", "high", "low"],
    "sensor_pressure": ["abnormal", "normal", "normal", "abnormal"]
})

四、自动学习CPD（对应你提到的「状态统计」步骤） #

pgmpy的MaximumLikelihoodEstimator会自动从标注数据里统计状态频率，生成条件概率分布（CPD），不用手动计算：

from pgmpy.estimators import MaximumLikelihoodEstimator

# 用最大似然估计法学习CPD
model.fit(
    data=data,
    estimator=MaximumLikelihoodEstimator,
    state_names=node_states  # 传入之前定义的节点状态字典
)

# 查看某个节点的CPD，比如故障节点的先验概率
print(model.get_cpds("fault_overheat"))
# 查看观测节点的条件概率（依赖故障节点）
print(model.get_cpds("sensor_temp"))

你疑惑的「状态统计」就是工具类自动计算每个节点在父节点不同组合下的状态出现频率，进而转化为条件概率，全程无需手动统计。

可选：加入先验知识的学习 #

如果数据量少或需要加入领域先验，可以改用BayesianEstimator：

from pgmpy.estimators import BayesianEstimator

model.fit(
    data=data,
    estimator=BayesianEstimator,
    state_names=node_states,
    prior_type="BDeu"  # 使用BDeu先验分布
)

内容的提问来源于stack exchange，提问作者hunterlineage