如何用Python的bnlearn包构建7个连续变量的贝叶斯网络

可行性结论 #

可以支持。bnlearn原生适配连续变量场景，默认采用高斯贝叶斯网络实现7个甚至更多连续变量的贝叶斯网络构建，不需要额外做离散化预处理即可走完结构学习、参数学习、推理全流程。如果你的变量不符合高斯分布假设，也可以调用工具自带的离散化方法预处理后，按照你已掌握的离散变量贝叶斯网络流程处理。

完整实现示例 #

前置依赖 #

首先安装bnlearn包：
pip install bnlearn

代码示例 #

import bnlearn as bn
import numpy as np
import pandas as pd

# 1. 准备7个连续变量的数据集，这里模拟生成带依赖关系的样本，可替换为你的真实数据集
np.random.seed(42)
n_samples = 1000
# 模拟7个有依赖关系的连续变量
var1 = np.random.normal(0, 1, n_samples)
var2 = 0.7 * var1 + np.random.normal(0, 0.5, n_samples)
var3 = 0.5 * var2 + np.random.normal(0, 0.6, n_samples)
var4 = np.random.normal(2, 1.2, n_samples)
var5 = 0.3 * var1 + 0.4 * var4 + np.random.normal(0, 0.4, n_samples)
var6 = 0.8 * var3 + np.random.normal(0, 0.3, n_samples)
var7 = 0.2 * var5 + 0.6 * var6 + np.random.normal(0, 0.5, n_samples)
# 拼装为DataFrame格式，每列对应一个连续变量
df = pd.DataFrame({
    'var1': var1, 'var2': var2, 'var3': var3, 
    'var4': var4, 'var5': var5, 'var6': var6, 'var7': var7
})

# 2. 结构学习：自动学习7个变量之间的依赖关系
# 不需要额外配置，工具自动识别连续变量采用高斯贝叶斯网络逻辑
model = bn.structure_learning.fit(df)

# 可选：如果你已经明确变量依赖关系，可手动指定DAG跳过结构学习
# edges = [('var1', 'var2'), ('var2', 'var3'), ('var1', 'var5'), ('var4', 'var5'), ('var3', 'var6'), ('var5', 'var7'), ('var6', 'var7')]
# model = bn.make_DAG(edges)

# 3. 参数学习：学习每个节点的高斯分布参数
model = bn.parameter_learning.fit(model, df)

# 4. 推理：给定已知变量的取值，计算目标变量的分布
# 示例：已知var1=1.2，var4=3，查询var7的取值
query = bn.inference.fit(model, variables=['var7'], evidence={'var1': 1.2, 'var4': 3})
print("var7的期望取值：", query.values[0])

补充说明 #

• 运行结构学习时如果样本量较小，可调整structure_learning.fit的方法参数，比如指定methodtype='hc'用爬山算法，适合小样本场景。
• 如果需要做离散化处理，直接调用bn.discretize(df, method='kmeans', n_bins=5)即可按需求将连续变量转为分类变量。

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