bo老师
开源仓库pgmpy/pgmpy3,295 Stars

pgmpy

用图结构编码变量间的概率依赖和因果假设，做条件推断、因果发现与合成数据生成。

适合需要从数据中学变量关系图结构、或基于已知因果图做干预推断的研究者。从定义网络和条件概率表开始，逐步完成推理、验证和模拟。

bo老师判断：推荐

用途和边界相对清楚，可以先从小样本开始。

访问原仓库查看分享卡
...互动状态已更新

什么时候用

先判断任务是否合适

  • 需要从观测数据中学变量间的因果或依赖关系图
  • 已有因果图，想知道干预某个变量后另一个变量的分布变化
  • 需要批量生成符合已知联合分布的合成数据做方法验证
  • 需要对比两个因果图结构与真实图的差距

先准备什么

材料越清楚，结果越有用

  • •观测数据表格（pandas DataFrame），列名与变量名一致
  • •若手写因果图，需准备边列表和条件概率表的参数估计
  • •若做因果推断，需明确哪些变量是干预变量、哪些是结果变量

它会怎样推进

从材料到可以检查的结果

  1. 01

    建立图结构

    定义变量节点和边方向（手写或从数据中学），构建有向无环图

  2. 02

    填充条件概率

    从数据估计或手写每个节点的条件概率分布（离散/线性高斯/函数式）

  3. 03

    校验模型

    检查概率表归一化、父子节点对应关系，确保模型可推

  4. 04

    查询推理

    在给定证据下查询后验概率，或用do操作计算干预分布

  5. 05

    生成合成数据

    从模型前向采样，生成用于方法验证或敏感性分析的模拟数据

第一次这样开始

把仓库地址直接交给 AI

先让 AI 说明环境和风险，再完成最小安装验证。跑通以后，再把自己的真实材料放进去。

第一次直接复制

帮我安装这个库：https://github.com/pgmpy/pgmpy
安装前先告诉我需要什么环境，安装后帮我跑通一个最小示例。

结果出来后

先看这些检查点

  • 模型校验是否通过（概率归一、父子对应）
  • 学到的图结构是否与领域知识大致吻合
  • 干预查询结果与观测条件概率是否有实质性差异
  • 合成数据的联合分布是否符合预期的条件依赖模式

常见误区

这些判断仍由你负责

  • 把观测相关当因果效应——只有do操作才能区分两者
  • 把学到的图结构直接当真因果图——PC等方法学到的是等价类，部分方向不可识别
  • 用离散独立性检验处理连续数据——需匹配数据类型选chi_square或fisher_z
  • check_model通过就认为图方向正确——它只校验图和CPD的对应关系

技术依据

查看能力拆解、验证范围与来源

能力地图6 项已拆解能力
  1. 01

    参数学习

    给定一个已确定图结构的贝叶斯网络（结构可手写或由结构学习得到）和一份观测数据，估计每个节点的条件概率分布（CPD）参数，使模型能用于推理、预测和模拟。支持离散贝叶斯网络的 MLE/Bayesian/EM 估计与线性高斯贝叶斯网络的 MLE 估计，并能处理含隐变量或缺失数据的情况。

  2. 02

    因果推断与do演算

    给定一个因果图（DAG，方向编码因果假设）和已填充的 CPD，计算干预分布 P(Y | do(X))：即"如果人为设定 X 而非仅观测 X，Y 的分布会怎样"。这区别于条件概率 P(Y | X)，需要先用后门/前门准则识别调整集，再做 do 操作（移除干预变量的入边）和调整后的概率推断，让研究者能区分观测相关与因果效应。

  3. 03

    数据模拟

    给定一个已填充 CPD 的贝叶斯网络，生成符合该网络联合分布的合成数据，并支持在生成时施加干预（do）、证据（evidence）、软证据（virtualevidence）、软干预（virtualintervention）、缺失机制（missingprob）和部分固定样本（partialsamples），让研究者能生成可复现的合成数据用于结构学习/参数学习的方法验证、敏感性分析和因果干预模拟。

  4. 04

    概率推理

    给定一个已填充 CPD 的贝叶斯网络，计算后验条件概率 P(query | evidence)、最大后验（MAP）、边际分布或极大边际，让研究者能在给定观测证据下做概率查询。支持精确推理（变量消元、联结树置信传播）与近似推理（采样近似、Gibbs 采样）。

能力主要输入主要输出人工检查

参数学习

源码已核对

  • 已确定结构的模型对象（DiscreteBayesianNetwork / LinearGaussianBayesianNetwork，含边但 CPD 未填或待更新）。
  • 观测数据：pandas.DataFrame，列名与节点名一致。
  • 估计器选择：estimator="MLE"（默认）或 BayesianEstimator。
  • 填充 CPD 的模型对象（bn.getcpds() 返回 TabularCPD/LinearGaussianCPD 列表）。
  • 可传入 pgmpy-能力-概率推理 做后验推断、pgmpy-能力-数据模拟 生成合成数据、pgmpy-能力-因果推断与do演算 做干预查询。
  • 估计器选择（MLE vs Bayesian vs EM）是否匹配样本量与缺失情况。
  • Bayesian 先验类型与 pseudocount 是否反映合理领域信念。
  • EM 收敛是否检查（对数似然轨迹、maxiter 是否触及）。

因果推断与do演算

源码已核对

  • 因果图（DiscreteBayesianNetwork / LinearGaussianBayesianNetwork / SEMGraph / DAG），边的方向编码因果假设。
  • 已填充的 CPD（离散）或线性高斯参数。
  • variables：查询目标变量（Y）。
  • 干预分布 DiscreteFactor（P(Y | do(X), evidence)）。
  • 调整集识别结果（Adjustment.identify 返回 (调整图, 是否存在)）。
  • mutilated DAG（do 操作后的图）。
  • 因果图方向是否由领域知识/结构学习+专家定向确定（不能凭数据相关定向）。
  • 后门/前门调整集识别是否成功，不可识别时是否报告。
  • variant 选择（minimal vs all vs minimalvariance）是否匹配估计目标。

数据模拟

源码已核对

  • 已填充 CPD 的模型对象（DiscreteBayesianNetwork/LinearGaussianBayesianNetwork/FunctionalBayesianNetwork）。
  • nsamples：要生成的样本数。
  • do：硬干预 {var: state}（生成时强制设定，切断父节点影响）。
  • pandas.DataFrame（合成数据），可直接用于结构学习/参数学习的方法验证、敏感性分析。
  • 干预模拟的样本可用于验证 pgmpy-能力-因果推断与do演算 的 do 查询结果。
  • 含缺失的样本（returnfull=True）可用于测试 EM 参数学习。
  • do 干预模拟的设定是否符合研究问题的因果干预场景。
  • missingprob 的 MAR/MNAR 假设是否匹配真实缺失机制。
  • 采样方法（forward/rejection/likelihoodweighted/Gibbs）是否匹配 evidence 与精度要求。

概率推理

源码已核对

  • 已填充 CPD 的模型对象（DiscreteBayesianNetwork 或 DiscreteMarkovNetwork，含完整 CPD）。
  • query：要查询的变量列表。
  • evidence：观测证据 {var: state} 字典。
  • DiscreteFactor（后验条件分布 P(query | evidence)）。
  • MAP 状态字典（后验最大的状态组合）。
  • 极大边际（maxmarginal）。
  • 精确（VE/BP）vs 近似（采样）的选择是否匹配网络规模与精度要求。
  • 消元顺序是否合理（影响性能）。
  • 采样的 nsamples/burnin/seed 是否报告，收敛是否检查。

结构学习

源码已核对

  • 观测数据：pandas.DataFrame，列名为变量名，离散/连续。
  • citest（PC 用）："chisquare"、"gsq"、"loglikelihood"、"pearsonr"、"powerdivergence" 等（离散）或 fisherz（连续）。
  • scoringmethod（评分搜索用）："bic-g"（高斯 BIC）、"bdeu"、"k2"、"aic" 等。
  • 学到的 DAG（DiscreteBayesianNetwork 或 networkx.DiGraph），可传入 pgmpy-能力-参数学习 学 CPD、pgmpy-能力-概率推理 做推断、pgmpy-能力-因果推断与do演算 做因果查询。
  • PDAG/CPDAG 等价类（PC returntype=pdag），部分边方向不定。
  • 结构评分值（可对比模型）。
  • 学到的因果方向是否与领域知识一致；等价类内不可识别方向是否需专家定向。
  • CI 检验/评分方法是否匹配数据类型与样本量。
  • significancelevel/maxindegree 是否按领域调整。

结构验证与模型检测

源码已核对

  • 结构对比类（需真实图）：truecausalgraph（DAG/networkx）、estcausalgraph（学到的 DAG）。
  • 数据契合类（需数据）：X（DataFrame）、causalgraph（待验证的图）、citest（用于隐含 CI 检验）。
  • 评分类：data + scoringmethod（AIC/BIC/K2/BDeu 等）。
  • SHD 距离值（标量）。
  • 邻接/定向混淆矩阵（TP/FP/FN/TN + precision/recall/F1）。
  • ImpliedCIs 检验结果（图隐含 CI 的支持/违背统计）。
  • 结构对比（SHD/混淆矩阵）还是数据契合（ImpliedCIs/评分）更匹配验证目标。
  • SHD 的 edgereversepenalty 是否合理反映定向错误严重性。
  • citest 是否匹配数据类型。

处理机制

  1. 01

    核心处理链

    用图结构编码变量间的概率依赖和因果假设，做条件推断、因果发现与合成数据生成。

已核对范围

  • 读取 pgmpy/estimators/MLE.py（MaximumLikelihoodEstimator getparameters/estimatecpd 签名）
  • 读取 pgmpy/estimators/BayesianEstimator.py（BayesianEstimator getparameters/estimatecpd 签名）
  • 读取 pgmpy/estimators/EM.py（ExpectationMaximization）
  • 读取 pgmpy/parameterestimator/（discretebayesian/discretemle/discreteem/lineargaussianmle）
  • 读取 DiscreteBayesianNetwork.py:592 fit / :653 fitupdate 签名
  • 读取 LinearGaussianBayesianNetwork.py:880 fit 签名
  • 读取 README Parameter Learning 特性与 example notebooks 主题
  • 读取 pgmpy/inference/CausalInference.py（CausalInference 类、query(query, do, evidence, adjustmentset, inferencealgo) 签名）

仍待核对

  • 未运行本机参数学习 smoke
  • 未验证 BayesianEstimator 各先验类型（BDeu/Dirichlet/K2）的数值差异
  • 未覆盖 SEMEstimator/IVEstimator 的 SEM 参数估计内部机制（见待复核卡）
  • 未运行本机因果查询 smoke
  • 未验证 minimal/all/minimalvariance 三种调整集变体的数值差异
  • 未覆盖 DoubleMLRegressor/NaiveAdjustmentRegressor/NaiveIVRegressor（因果效应估计的预测回归器，见待复核卡）
  • 未运行本机模拟 smoke
  • 未验证 missingprob 的 MAR/MNAR 缺失机制实现细节

原仓库

pgmpy/pgmpy

读取版本

c7fa866a8b50a7eb781124e12411708dd86f2c25

许可

MIT

最近核对

内容 2026-07-10
Stars 2026-07-11

已完成源码核对

相关文章

科研之我见

AI 可以参与科研的哪些环节？一张 11 环节工作流全景图

从选题、文献、理论、数据到投稿，逐环节判断 AI 可以主导、需要人工校验和必须由研究者把关的工作。

查看内容

具备相关能力的其他库

文献 · 验证

paper-qa

从本地论文和文档中检索证据并生成带精确引用的科研答案

查看内容

文献 · 分析 · 写作

grobid

把学术论文PDF解析成结构化TEI XML，提取元数据、全文结构和参考文献

查看内容

设计 · 分析 · 验证

CausalPy

用贝叶斯方法做准实验因果推断，含10+方法和稳健性诊断套件

查看内容

相关课程

把单项工具放进完整研究设计流程

课程一从研究问题、文献判断、理论假设和方法骨架继续推进，帮助你建立可以复用的研究设计档案。

查看课程一