为什么我学习的贝叶斯网络不植根于二元类变量？

问题描述

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()

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）