知识卡片
条件概率表要对齐轴与状态
pgmpy的TabularCPD同时指定被描述变量、变量状态数、条件变量及条件状态数。二维values的行对应目标变量状态、列对应条件状态组合。检查列归一化和state_names的顺序,比只检查数组形状更能发现含义错位。具体API以使用版本为准。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 概率生成建模入门
原书出处 · 1 处
- · 查看原书依据
Also, you can directly specify a conditional probability distribution table with the TabularCPD class: from pgmpy.factors.discrete.CPD import TabularCPD PYgivenX = TabularCPD( variable='Y', #1 variable_card=2, #2 values=[ [.25/.45, .20/.30, .15/.25], #3 [.20/.45, .10/.30, .10/.25], #3 ], evidence=['X'], evidence_card=[3], state_names = { 'X': ['1', '2', '3'], 'Y': ['0', '1'] }) print(PYgivenX)
参考来源
- 位置:《Causal AI》第02章《概率生成建模入门》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Causal AI/_epub-src/OEBPS/Text/chapter-2.xhtml)
- 结论依据:摘录中关于条件概率表要对齐轴与状态的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:Also, you can directly specify a conditional probability distribution table with the TabularCPD class: from pgmpy.factors.discrete.CPD import TabularCPD PYgivenX = TabularCPD( variable='Y', #1 variable_card=2, #2 values=[ [.25/.45, .20/.30, .15/.25], #3 [.20/.45, .10/.30, .10/.25], #3 ], evidence=['X'], evidence_card=[3], state_names = { 'X': ['1', '2', '3'], 'Y': ['0', '1'] }) print(PYgivenX)