from pgmpy.factors.discrete import TabularCPD什么意思？解释的时候将一些专有名词讲清楚点

`pgmpy` 是一个 Python 的库，可以用于概率图模型的建模、推断和学习。其中 `TabularCPD` 是 `pgmpy` 中的一个类，表示离散变量的条件概率分布。

在概率图模型中，每个节点都表示一个随机变量，而节点之间的边表示它们之间的依赖关系。条件概率分布（CPD）是用于描述节点之间依赖关系的一种方式。对于每个节点，其 CPD 会描述在给定其父节点的取值情况下，该节点取值的概率分布。`TabularCPD` 表示的是一种基于表格的 CPD，即它将每个可能的取值组合对应到其对应的概率值。

例如，假设我们有两个随机变量 A 和 B，其中 B 是 A 的父节点，那么 `TabularCPD` 可以用来表示 A 在不同的 B 取值下的条件概率分布。如果 B 有两种可能的取值（True 和 False），A 有三种可能的取值（a1、a2 和 a3），那么 `TabularCPD` 可以表示如下：

╒═════╤════════╤════════╕
│ B   │ B(True)│ B(False)│
├─────┼────────┼─────────┤
│ A=a1│ 0.3    │ 0.6     │
├─────┼────────┼─────────┤
│ A=a2│ 0.4    │ 0.3     │
├─────┼────────┼─────────┤
│ A=a3│ 0.3    │ 0.1     │
╘═════╧════════╧════════╛

上述表格表示在 B 为 True 时，A 取值为 a1 的概率为 0.3，取值为 a2 的概率为 0.4，取值为 a3 的概率为 0.3；在 B 为 False 时，A 取值为 a1 的概率为 0.6，取值为 a2 的概率为 0.3，取值为 a3 的概率为 0.1。`TabularCPD` 就是用来表示这种类型的表格形式的 CPD 的。