如何解决为什么我学习的贝叶斯网络不植根于二元类变量?
我想使用贝叶斯网络(Python 中的 pomegranate
库)比较不同国家的破产公司概况。类是一个二元变量(1=破产,0=活跃的公司),其余是金融特征。
对于这两个国家,我得到了两种截然不同的 BN 结构,第一个国家/地区的 Class 位于结构顶部,第二个国家/地区的结构位于较低位置。
为什么会这样?如果 Class 不是父级,我如何比较国家/地区之间的结构?
这是我绘制 BN 结构的代码:
from pomegranate import *
import graphviz
model = BayesianNetwork.from_samples(X=df[['WC/TA','RE/TA','EBIT/TA','BVE/TL','Class']].values,algorithm='exact',state_names=altman_features + ['Class'])
p = model.log_probability(X = df[['WC/TA','Class']].values).sum()
model.plot()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。