ベイジアンネットワークのモデルを作成

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(['B', 'E', 'A', 'P', 'S'])

# エッジを追加
model.add_edges_from([('B', 'A'), ('E', 'A'), ('A', 'P'), ('A', 'S')])

# 各ノードの条件付き確率分布を定義
cpd_b = TabularCPD(variable='B', variable_card=2, values=[[0.99], [0.01]])  # Bの事前確率
cpd_e = TabularCPD(variable='E', variable_card=2, values=[[0.98], [0.02]])  # Eの事前確率
cpd_a = TabularCPD(variable='A', variable_card=2, 
                   values=[[0.92, 0.74, 0.06, 0.05],  # P(A|B, E)
                           [0.08, 0.26, 0.94, 0.95]],
                   evidence=['B', 'E'], evidence_card=[2, 2])
cpd_p = TabularCPD(variable='P', variable_card=2, values=[[0.5, 0.5], [0.5, 0.5]], evidence=['A'], evidence_card=[2])  # Pの条件付き確率(今回は未設定)
cpd_s = TabularCPD(variable='S', variable_card=2, values=[[0.9, 0.3], [0.1, 0.7]], evidence=['A'], evidence_card=[2])  # Sの条件付き確率

# モデルに条件付き確率分布を追加
model.add_cpds(cpd_b, cpd_e, cpd_a, cpd_p, cpd_s)

# 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)