ベイジアンネットワークの作成

gistfile1.txt

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

# ベイジアンネットワークのモデルを作成
model = BayesianNetwork()

# ノードを追加
model.add_nodes_from(['W', 'S', 'R', 'G'])

# エッジを追加
model.add_edges_from([('W', 'S'), ('W', 'R'), ('S', 'G'), ('R', 'G')])

# 各ノードの条件付き確率分布を定義(行に変数、列に条件)
cpd_w = TabularCPD(variable='W', variable_card=2, values=[[0.5], [0.5]]) #事前確率
cpd_s = TabularCPD(variable='S', variable_card=2, values=[[0.9, 0.5], [0.1, 0.5]], evidence=['W'], evidence_card=[2]) #[[P(S=0|W=0), P(S=0|W=1)], [P(S=1|W=0), P(S=1|W=1)]]
cpd_r = TabularCPD(variable='R', variable_card=2, values=[[0.2, 0.8], [0.8, 0.2]], evidence=['W'], evidence_card=[2]) #[[P(R=0|W=0), P(R=0|W=1)], [P(R=1|W=0), P(R=1|W=1)]]
cpd_g = TabularCPD(variable='G', variable_card=2, values=[[0.99, 0.1, 0.1, 0.01], [0.01, 0.9, 0.9, 0.99]], evidence=['S', 'R'], evidence_card=[2, 2]) #[[P(G=0|S=0, R=0), P(G=0|S=0, R=1), P(G=0|S=1, R=0), P(G=0|S=1, R=1)], [P(G=1|S=0, R=0), P(G=1|S=0, R=1), P(G=1|S=1, R=0), P(G=1|S=1, R=1)]]

# モデルに条件付き確率分布を追加
model.add_cpds(cpd_w, cpd_s, cpd_r, cpd_g)

# モデルの構造とCPDsが有効であるかをチェック
assert model.check_model()

# ベイジアンネットワークの概要を出力
print(model)