贝叶斯网络python

贝叶斯网络（Bayesian Network）是一种用于建模概率关系的图模型。在Python中，有一些流行的库可以用来构建和推断贝叶斯网络，例如pgmpy、pomegranate、bayespy等。

其中，pgmpy是一个功能强大且易于使用的库，提供了各种用于构建和推断贝叶斯网络的函数和算法。你可以使用pip安装pgmpy库：

pip install pgmpy

下面是一个简单的例子，演示了如何使用pgmpy构建和推断贝叶斯网络：

from pgmpy.models import BayesianModel
from pgmpy.factors.discrete import TabularCPD

# 创建一个空的贝叶斯网络模型
model = BayesianModel()

# 添加节点和边
model.add_nodes_from(['A', 'B'])
model.add_edge('A', 'B')

# 定义节点的条件概率分布
cpd_A = TabularCPD('A', 2, [[0.3], [0.7]])
cpd_B = TabularCPD('B', 2, [[0.8, 0.4], [0.2, 0.6]], evidence=['A'], evidence_card=[2])

# 将条件概率分布添加到模型中
model.add_cpds(cpd_A, cpd_B)

# 检查模型的有效性
model.check_model()

# 进行推断
from pgmpy.inference import VariableElimination

infer = VariableElimination(model)
query = infer.query(['B