贝叶斯网络入门：从画图到条件独立，让概率推理有图可依

从公式堆里硬啃贝叶斯网络，是我见过最劝退的学习方式。这个领域的核心根本不是那串乘法公式，而是那张图。图才是贝叶斯网络真正“看得见、摸得着”的部分，节点代表随机变量，箭头代表影响关系，每个节点的条件概率表说明影响有多大。把图画出来，网的本质就露了底。把概率关系画成图、从读图入手理解条件独立，再顺着图上箭头的方向理解“完整消息传递”这种推理机制，会发现它一点都不难。

这篇文章会用一套我常用来教学的“周末要不要去公园”的例子，把贝叶斯网络的建模、画图、读图、推理和消息传递全串一遍。不管是刚入门概率图模型的学生，还是工作中想用贝叶斯网络做诊断、风险分析、推荐解释的工程师，按这个思路走一遍，之后再看教材会顺很多。

1. 先建立直觉：贝叶斯网络到底“画”了什么

1.1 一个生活场景，把概率关系画成图

想象一个很普通的周六早上。你要不要出门去公园，受两件事影响：一个是天气好不好，另一个是自己心情如何。而心情好不好，又取决于天气和工作忙不忙。假如真的出门了，会不会拍到好看的照片、能不能偶遇朋友，也都有了不同的概率。

这些关系用文字描述很绕，但如果画成图就非常直观：

• Sunny（周六是否晴天）
• Busy（这周是否很忙）
• Mood（起床时心情好不好）
• GoPark（是否去公园）
• Photo（是否拍到满意照片）
• Friend（是否偶遇朋友）

箭头这么画：Sunny -> Mood，Busy -> Mood，Sunny -> GoPark，Mood -> GoPark，GoPark -> Photo，GoPark -> Friend。

这就是一张典型的贝叶斯网络。它的正式定义由两部分组成：一个有向无环图（Directed Acyclic Graph，简称DAG）加一组条件概率表。DAG保证箭头不形成环，条件概率表则告诉你在父节点已知的各种组合下，子节点取每个值的概率分别是多少。

贝叶斯网络干的事情，本质上是把“N个变量如何联合分布”这个大问题，拆成“每个变量如何依赖它的父节点”这N个小问题。拆完之后，图中每条边都表示一种“直接概率依赖”，而没有连边的变量之间，往往藏着条件独立关系，这正是它能大幅降低建模和计算难度的原因。

1.2 图和联合概率分布之间的关系

你可能听说过贝叶斯网络的联合概率公式：

P(X1, X2, ..., Xn) = ∏ P(Xi | Pa(Xi))

其中Pa(Xi)是Xi在图中所有父节点。这个式子乍看抽象，其实道理很简单：网络把所有变量的联合概率，拆解成了一系列“给定原因下的结果概率”的乘积。

拿上面的例子来说：

P(S, B, M, G, P, F) = P(S) * P(B) * P(M | S, B) * P(G | S, M) * P(P | G) * P(F | G)

注意，并不是所有变量都直接写在一起。Photo只依赖于GoPark，所以它不需要被Sunny、Busy、Mood拖着走。这就是图的功劳：它明确告诉你哪些条件依赖必须保留，哪些可以安全地忽略。

作为对比，如果不用贝叶斯网络，想暴力存储6个二值变量的联合分布，需要2的6次方减1，也就是63个独立参数。而用这个网络结构，把每个条件概率表的自由度加起来：

• Sunny: 1个参数
• Busy: 1个参数
• Mood: 4个参数（取决于S和B的四种组合）
• GoPark: 4个参数（取决于S和M的四种组合）
• Photo: 2个参数
• Friend: 2个参数

一共只需要14个参数。这就是“结构即知识”的威力。箭头越稀疏，网络表达得越“省力”，但前提是虚假的独立不能被乱画进去。

2. 搭一个能跑的小网络：节点、箭头、CPT

2.1 确定变量和箭头方向

建模第一步是确定有哪些变量，以及箭头往哪画。这里有个很实用的原则：画箭头就是画“谁是因，谁是果”。箭头从因指向果。

比如，天气是原因，心情受天气影响，所以箭头是Sunny -> Mood。如果实在纠结两个变量谁指向谁，可以用“干预思维”判断：假设我能强行把A固定在一个值上，B的概率分布会不会因此改变？如果会，那A更可能是因，B更可能是果。

还要记住一条硬性约束：整个图不允许有环。比如你画了A -> B，又画了B -> A，这就形成了环，无法表达“既互为因果又非因果”的矛盾。如果你真觉得两个变量双向影响，通常说明需要引入隐藏变量或把时间顺序拆开处理。

在设计“周末公园”模型时，我用了一个对撞结构和一个链式结构：

• 链式：Sunny -> Mood -> GoPark
• 对撞：Sunny -> Mood <- Busy

Mood是一个对撞点，Sunny和Busy两个原因在这里交汇。这个结构在后面的条件独立和消息传递里，会起到非常关键的作用。

2.2 填写条件概率表

节点和箭头画好后，就要给每个节点填条件概率表（Conditional Probability Table，简称CPT）。二值变量用YES/NO表示，表里每一行对应父节点的一种取值组合，这些概率之和必须等于1。

我的模型参数大致是这样设的：

填表时最容易犯的错是忘记“每行都要归一化”。比如Mood表里第一行Sunny=YES, Busy=NO时，P(Mood=YES)=0.9，那P(Mood=NO)就必须是0.1。很多人填了P(Mood=YES)=0.9，却忘了同时定义P(Mood=NO)=0.1，程序一跑就报错。

2.3 用Graphviz画出“有图有真相”的结构图

既然标题说“有图有真相”，那就直接上工具画图。Graphviz是我画贝叶斯网络最常用的免费工具，它用纯文本描述图结构，出图稳定、排版自动，改起来也方便。

先创建一个bayes_net.dot文件，内容如下：

digraph BayesNet { rankdir=TB; node [shape=ellipse, style=filled, fillcolor="#d4e6f1"]; S [label="Sunny", fillcolor="#a9cce3"]; B [label="Busy", fillcolor="#a9cce3"]; M [label="Mood"]; G [label="GoPark"]; P [label="Photo"]; F [label="Friend"]; S -> M; B -> M; S -> G; M -> G; G -> P; G -> F; }

然后在命令行执行：

dot -Tpng bayes_net.dot -o bayes_net.png

就能得到一张结构图。我个人做分享图时会做一些额外处理：

• 根节点（没有父节点的节点）用深一点的颜色，一眼就能看出“原因”在哪。
• 每个节点下面加上对应概率的简单备注，可以用HTML式label，例如label=<Sunny<BR/>P=0.6>。
• 如果箭头太密集，把rankdir换成LR（从左到右）试试，往往更利于排版。
• 不要在一个节点上堆太多父节点，超过4个父节点时，CPT会迅速膨胀，图形也会乱成一团。

一个能直接跑的带概率标注版本：

digraph BayesNet { rankdir=TB; node [shape=ellipse]; S [label=<Sunny<BR/>P(Y)=0.6>]; B [label=<Busy<BR/>P(Y)=0.4>]; M [label=<Mood>]; G [label=<GoPark>]; P [label=<Photo>]; F [label=<Friend>]; S -> M; B -> M; S -> G; M -> G; G -> P; G -> F; }

这样一张图中，你既能看到网络结构，又能看到根节点的先验概率，信息量比纯结构图大得多。面试、技术方案、讲课都够用。

2.4 从图里能读出什么

图画出来不只是为了好看，它能直接回答几个关键问题。

首先是拓扑序。贝叶斯网络要求存在一个节点顺序，让每条箭头的起点都排在终点前面。这个顺序也很自然：

Sunny, Busy -> Mood -> GoPark -> Photo, Friend

拓扑序决定了联合概率分解的顺序，也决定了后面消息传递时消息从哪边开始传。

其次是概率影响的传播方向。如果已知Sunny，影响会沿着箭头流向Mood、GoPark，再流向Photo和Friend。如果已知的是Photo，则影响会逆着箭头反向传播，去修正GoPark和Sunny的后验概率。正向叫因果推理，反向叫诊断推理，它们都能在贝叶斯网络里计算。

最后是哪些地方可能存在条件独立。这在下一节专门展开。简单说，图中没有直接连线的节点之间，在给定某些条件后可能是独立的，这会直接减少推理时的计算量，也决定了消息传递能拆得多干净。

3. 图的“潜台词”：条件独立和d-分离

3.1 条件独立的概念

条件独立是贝叶斯网络用来“省参数、减计算、加速推理”的根基。用大白话讲，就是：当已知某些信息后，A和B之间不再提供关于彼此的额外信息。

举例来说，知道了天气晴不晴之后，你出门会不会拍出好照片，跟你这周忙不忙，其实没有直接关系。忙不忙只通过影响心情和是否出门来间接影响照片，而天气这个变量已经把“是否出门”的部分原因解释掉了。在实际数据里，Photo和Busy很可能仍然存在相关性，但只要我们把GoPark固定住，这条相关关系就被切断了。

在概率里写作：

P(Photo | GoPark, Busy) = P(Photo | GoPark)

这意味着Photo和Busy在GoPark已知的条件下独立。贝叶斯网络图的价值，就是让你不用再做复杂的数值验证，直接用眼睛看图就能找出这类关系。

3.2 三种基本连接方式

图上的条件独立关系主要来自三种基本结构。

链式结构：A -> C -> B。此时A和B之间有一条间接路径，中间节点是C。如果C没有已知，A的信息会通过C传给B，二者相关；但如果C已经被观察到，信息就传不过去了，A和B条件独立。用公式表达就是P(B | A, C) = P(B | C)。

分叉结构：A -> C且A -> B。C和B有同一个原因A。当A未被观察时，C和B都会受A影响，所以呈现相关；但一旦A被观察到，这种相关性就消失了。

对撞结构：C -> A <- B。这里A有两个父节点C和B，A是“对撞点”。和链式、分叉正好相反：默认情况下C和B是独立的；但如果A被观察到了，C和B反而会因为“解释过去”而产生相关性。

对撞结构有个经典例子：某个领域的技能和颜值都会影响一个人是否成为“网红博主”。在没有其他信息时，技能和颜值其实不相关。但如果你知道某人是网红博主，且颜值一般，那么你大概率推断他技能很强。这时候技能和颜值就因为“网红博主”这个观察结果而产生了负相关。

3.3 在周末公园网络中找结构

回到我们的网络，里面可以同时找到这三种结构：

• 链式：Sunny -> Mood -> GoPark
• 分叉：GoPark -> Photo和GoPark -> Friend，Photo和Friend共享原因GoPark
• 对撞：Sunny -> Mood <- Busy，Sunny和Busy在Mood处对撞

这些结构直接影响推理时该怎么算。比如，在不知道任何信息时，Sunny和Busy应该是独立的，因为Mood是对撞点。但如果你知道这个周六心情特别好，同时天气其实一般，那你就会更倾向于认为“这周不忙”的可能性更大。这就是证据观察带来的“突然相关”。

这个概念叫d-分离。在一个有向无环图中，如果两组节点之间所有的路径都被“恰当的观察节点”阻挡了，就说它们d-分离，也就是条件独立。判断某条路径是否被阻挡，就看路径上有没有链式或分叉结构且中间节点被观察到，或者有没有对撞结构且对撞点及其子孙节点都未被观察到。这个过程在脑子里过一遍路径就能完成，非常实用。

3.4 独立关系为什么重要

独立关系不是理论游戏，它直接决定了三件事。

第一，参数数量。独立关系越多，条件概率表越小，建模需要的数据量越少。

第二，推理复杂度。贝叶斯网络的精确推理在最坏情况下是指数级复杂度的，但具体复杂度看图的树宽，而不是节点数。如果网络被d-分离结构拆得很细，消息传递和变量消元的中间结果会小很多。

第三，解释能力。当你想跟业务方解释“为什么模型预测这个是原因”时，条件独立关系可以帮助你回答“在控制了某些变量后，另一个变量的影响消失了”。这种解释比单纯的相关系数矩阵有力得多。

4. 推理：给定证据后怎么算答案

4.1 三种推理方向

贝叶斯网络的推理，本质上就是“给定一部分证据，计算另一部分变量的后验概率”。按方向分，最常见的有三类。

因果推理（预测）：从原因推出结果。例如已知Sunny=NO，问P(Photo=YES)。这是顺着箭头方向传播信息。

诊断推理（解释）：从结果推出原因。例如已知Photo=NO，问P(GoPark=YES | Photo=NO)。这是逆着箭头方向传播信息。

干预推理：不只是观察，而是主动把某个变量设成固定值。例如问“如果强制每个人都去公园，和不去公园相比，拍到照片的概率差多少”。这种推理需要do算子，不能简单等同于条件概率，因为条件概率里可能有混杂路径。比如Sunny可能同时影响GoPark和Photo，只看P(Photo | GoPark)会混入天气的影响。

如果你只是做预测，直接用条件概率表和贝叶斯公式一步步算即可。如果要做决策或政策分析，则要谨慎区分观察和干预。

4.2 精确推理的一种思路：变量消元

手算一个小想：已知Sunny=NO，求P(GoPark=YES)。理论上我们可以把联合概率里所有其他变量全部求和加掉。例如：

P(G, S=NO) = ∑_{B,M,P,F} P(S=NO) * P(B) * P(M|S=NO,B) * P(G|S=NO,M) * P(P|G) * P(F|G)

因为P(P|G)和P(F|G)只依赖G，所以加掉P和F的时候其实就是把它们各自的概率求和，结果会得到一个只和G有关的系数：

P(G, S=NO) = P(S=NO) * ∑_B P(B) * ∑_M P(M|S=NO,B) * P(G|S=NO,M)

这个“边求和边消去变量”的做法就叫变量消元。它的好处是避免了生成完整的联合分布表，中间过程只维护少数几个因子，计算效率高很多。如果查询的条件变量变了，很多中间结果可以复用，这也是后面消息传递优化的思路来源。

4.3 用pgmpy库跑推理

实际项目中，不建议每次都手写求和消元。Python生态里有个很成熟的库pgmpy，专门用来建贝叶斯网络、做精确推理和参数学习。

安装很简单：

pip install pgmpy

然后可以按下面这段代码把网络搭起来：

from pgmpy.models import BayesianNetwork from pgmpy.factors.discrete import TabularCPD from pgmpy.inference import VariableElimination model = BayesianNetwork([ ("Sunny", "Mood"), ("Busy", "Mood"), ("Sunny", "GoPark"), ("Mood", "GoPark"), ("GoPark", "Photo"), ("GoPark", "Friend") ]) cpd_s = TabularCPD("Sunny", 2, [[0.6], [0.4]]) cpd_b = TabularCPD("Busy", 2, [[0.4], [0.6]]) # 变量取值用 [0, 1] 对应 [NO, YES] 或 [NO, YES]，按你定义来 cpd_m = TabularCPD("Mood", 2, [[0.1, 0.5, 0.4, 0.8], # Mood=NO [0.9, 0.5, 0.6, 0.2]], # Mood=YES evidence=["Sunny", "Busy"], evidence_card=[2, 2]) cpd_g = TabularCPD("GoPark", 2, [[0.1, 0.6, 0.5, 0.9], # GoPark=NO [0.9, 0.4, 0.5, 0.1]], # GoPark=YES evidence=["Sunny", "Mood"], evidence_card=[2, 2]) cpd_p = TabularCPD("Photo", 2, [[0.3, 0.9], [0.7, 0.1]], evidence=["GoPark"], evidence_card=[2]) cpd_f = TabularCPD("Friend", 2, [[0.6, 0.8], [0.4, 0.2]], evidence=["GoPark"], evidence_card=[2]) model.add_cpds(cpd_s, cpd_b, cpd_m, cpd_g, cpd_p, cpd_f) model.check_model() infer = VariableElimination(model) result = infer.query(["GoPark"], evidence={"Photo": 0}) print(result)

注意一个容易踩的坑：TabularCPD中数组的行顺序要和你定义的变量取值顺序一致，比如我用[0, 1]表示[NO, YES]，那么第一行必须是NO的概率，第二行是YES的概率。顺序反了，整个网络的结果全错，而且check_model()不一定能发现这种语义错误。

跑完之后，P(GoPark=YES | Photo=NO)的值通常比先验略低，因为“没拍到照片”提供了“可能没出门”的证据。看到结果符合直觉，说明模型结构、CPT和推理链路基本没问题。

5. 完整消息传递：和积算法到底在传什么

5.1 为什么要消息传递

变量消元能解决单次查询，但如果我要查很多个变量的边缘概率，每次重复执行消元会非常浪费。更加聪明的做法，是在图中把“中间结果”以消息的形式传递一次，让每个节点都能复用别人算好的结果。这就像小区物业要统计每栋楼的住户信息，与其每家都重新调查一遍，不如让每栋楼先汇总好，再把汇总结果往上交。

消息传递（Message Passing）的典型实现是和积算法（Sum-Product Algorithm）。它把整个网络的概率计算拆成两类消息：变量节点传给因子节点的消息，以及因子节点传给变量节点的消息。消息本质上是一个“关于某个变量的函数”，表示“我知道了其他所有信息之后，对这个变量的看法”。

5.2 把图变成因子图

贝叶斯网络本身的箭头图虽然直观，但计算消息时通常把每个条件概率表看成一个因子，所以要把图转换成因子图。因子是二部图，一边是变量节点，一边是因子节点。

在“周末公园”例子里，每个CPT对应一个因子：

• 因子f_S(S)对应P(S)
• 因子f_B(B)对应P(B)
• 因子f_M(S,B,M)对应P(M|S,B)
• 因子f_G(S,M,G)对应P(G|S,M)
• 因子f_P(G,P)对应P(P|G)
• 因子f_F(G,F)对应P(F|G)

转换方法很简单：每个变量节点和它出现的所有因子节点连边，每个因子节点和它涉及的变量节点连边。比如因子f_M同时连接S、B、M三个变量节点。

之所以要转成因子图，是因为消息传递的规则在二部图上最清晰。每个消息只沿着变量节点和因子节点之间的边流动。

5.3 消息的计算规则

和积算法有两条核心规则。

变量到因子：变量节点x发给因子节点f的消息，是它从所有其他邻居因子收到的消息的乘积：

μ_{x→f}(x) = ∏_{g ∈ ne(x) \ {f}} μ_{g→x}(x)

意思是变量节点把自己从别处听来的所有信息汇总一下，转发给当前因子，但不需要包含当前因子传来的消息。

因子到变量：因子节点f发给变量节点x的消息，是把f自身的因子函数，乘上它从所有其他相邻变量收到的消息，再把除x之外的所有变量求和（边缘化）掉：

μ_{f→x}(x) = ∑_{\{x\}之外的变量} f(X) * ∏_{y ∈ ne(f) \ {x}} μ_{y→f}(y)

这条规则在做的事，简单说就是：把因子覆盖的所有变量的联合信息压缩成只关于x的函数。

当所有消息计算完毕，变量x的边缘分布正比于它收到的所有消息的乘积：

P(x) ∝ ∏_{f ∈ ne(x)} μ_{f→x}(x)

注意，这里得到的是未归一化的信念，最后需要做一次归一化，让它加起来等于1。

5.4 完整消息传递的执行过程

消息传递的“完整”体现在执行顺序上。在一个树状的因子图上，算法分两阶段：

1. 收集消息（Collect）：选一个根节点，从所有叶子节点开始，先计算叶子发往父节点的消息，一层层向上，直到消息都汇聚到根节点。
2. 分发消息（Distribute）：根节点把自己的消息向下传给子节点，子节点收到后再往下传，直到所有叶子都收到消息。

两轮走完，每个变量节点都收到了来自所有邻居因子的消息，于是可以算出自己的边缘概率。树状图上两轮消息足够，而且结果精确。

为什么叫“完整”？因为这里的消息不是“传到某个节点就停”，而是图中每一个边上的两个方向的消息都各被计算了一次。一旦消息都齐了，任意节点的边缘概率都能从本地消息乘积得到，不再需要重新启动全局计算。后续无论查单个节点还是多个节点，计算都只是查表和乘法，效率高很多。

需要特别提醒：这个精确的两轮消息传递要求图是一棵树或森林。如果原始网络有环，直接跑和积算法会重复计算，通常需要先用结树算法把环结构整理成树，或者改用环状信念传播、马尔可夫链蒙特卡洛等近似方法。这也是为什么在网络设计阶段，尽量让图保持稀疏、树状，会大大有利于后续推理。

5.5 一个极简演算：二节点示例

理论说多了容易飘，我拿一个最简二节点模型手算一遍，你就能看到消息是怎么流动的。

假设只有X -> Y，条件概率如下：

• P(X=0)=0.6，P(X=1)=0.4
• P(Y=0 | X=0)=0.8，P(Y=1 | X=0)=0.2
• P(Y=0 | X=1)=0.3，P(Y=1 | X=1)=0.7

现要求P(X | Y=1)。

把CPT拆成两个因子：f_X(X)和f_Y(X, Y)。现在证据是Y=1，把证据吸收进因子，得到新因子g_Y(X) = P(Y=1|X)。

消息传递步骤：

1. 叶子X把消息发给因子f_X，因为没有其他邻居，所以消息是常数值1，或者等价于没有额外信息。
2. 因子f_X发给变量X的消息是μ1(X) = P(X)。
3. 变量X把消息传给因子g_Y：汇总收到的μ1(X)，所以μ_{X→gY}(X) = P(X)。
4. 因子g_Y发给变量X的消息，是把g_Y和传来的消息相乘后做边缘化。由于除X外没有其他变量，结果就是：

μ_{gY→X}(X) = P(Y=1|X)

变量X最后收到的总信念是：

belief(X) ∝ P(X) * P(Y=1|X)

归一化前：

• belief(X=0) = 0.6 * 0.2 = 0.12
• belief(X=1) = 0.4 * 0.7 = 0.28

归一化得到：

• P(X=0 | Y=1) = 0.12 / (0.12 + 0.28) = 0.3
• P(X=1 | Y=1) = 0.28 / (0.28 + 0.12) = 0.7

这个过程把消息传递的两条规则、消息的吸收、信念归一化全演示了一遍。实际复杂网络里，只是节点更多、因子规模更大而已，规则完全一样。

5.6 在复杂网络里怎么观察消息传播

回到“周末公园”网络，如果想求P(GoPark | Photo=NO)，消息大致这么走：

• Photo节点观察到证据后，把信息转成消息，发给因子f_P。
• 因子f_P结合自身CPT，给GoPark发一条“根据照片结果修正对GoPark的看法”的消息。
• 同时，Friend节点和因子f_F也在做类似的事。它们发的消息都会汇聚到GoPark。
• GoPark再把自己的消息发给因子f_G，因子f_G结合Sunny和Mood传上来的消息，再往上游传。

当消息传完，每个变量都会得到自己在当前证据下的边缘分布。这正是“完整消息传递”这个热词想表达的核心：所有节点的信念统一更新，彼此达成一致，不再有孤立变量。

在pgmpy里，VariableElimination的底层也利用了这个思想来复用中间因子。更直接对应消息传递的模块是pgmpy.inference. BeliefPropagation，导入后可以调用query方法得到同样的结果。工程上，如果你只需要精确推理，两者都能用；如果你要反复查询很多节点，信念传播类算法通常更合适。

6. 实操中的常见坑和排查方法

6.1 图结构和方向容易踩的坑

把相关性画成因果箭头。两件事统计上相关，不代表一定有直接因果。比如“冰淇淋销量”和“溺水人数”在夏天都上升，它们之间相关性很强，但画成冰淇淋 -> 溺水就是错误的。你需要问自己：如果干预冰淇淋销量，溺水人数会变吗？不会，因为共同原因是高温天气。建模时先画一张“因果假设图”，再去检查变量间的逻辑链，能减少很多返工。

箭头方向画反。方向反了，条件独立关系会变。例如把Sunny -> Mood画成Mood -> Sunny，在给定GoPark时，一些本应条件独立的变量可能不再独立，推理结果自然跑偏。最直接的检验方法是做“图与数据集独立性检验”：在你提出的图上做d-分离分析，然后对每个条件独立关系在数据里做卡方或互信息验证。

有环但没发现。变量多的时候，肉眼检查不出环，建议用代码model.check_model()，它会自动检测是否有环。如果你手动画图，也可以检查拓扑排序是否可行。

6.2 条件概率表易错点

每行没有归一化。这是新人最常见的错误。CPT每一行的概率必须和为1。pgmpy在check_model()时会做校验，不通过就会报错。我建议写表时先列出每一行，逐行检查。

父节点顺序不一致。同一个节点的CPT里，evidence顺序必须和定义网络时一致，否则表格会错位。比如TabularCPD("Mood", ..., evidence=["Sunny", "Busy"])，那么CPT数组的索引顺序也必须按Sunny第一、Busy第二来排。排反了概率表不会报错，结果却很荒谬。

变量取值混淆。pgmpy默认变量取值是[0, 1, ...]，如果你习惯用["NO", "YES"]，在传入CPT和evidence时很容易传错。建议固定一个约定：所有二值变量在代码里统一为0=NO, 1=YES，CPT数组第一行永远是NO，第二行永远是YES，证据里也保持一致，否则排查起来非常痛苦。

6.3 模型构建和学习的坑

数据少导致CPT估计不准。CPT里的概率如果来自样本统计，样本太少时会出现有些组合没有样本，概率直接为0的情况。可以用拉普拉斯平滑给每个计数加一个小常数，避免极端0概率切断推理路径。

不知道图结构怎么办。如果没有专家知识，可以靠结构学习算法，比如pgmpy里的HillClimbSearch和BicScore，从数据中找合适的DAG。但要注意：结构学习的结果是“数据下得分最高的图”，不代表真实因果，样本量小、变量隐变量多时尤其要谨慎。

连续变量怎么办。基础贝叶斯网络一般处理离散变量，连续变量要么先离散化，要么用高斯贝叶斯网络或条件线性高斯模型。离散化时不要分太多桶，会导致CPT参数爆炸。

6.4 什么时候不适合用贝叶斯网络

贝叶斯网络不是万能的。我遇到过一些场景，用这套模型等于给自己找麻烦。

• 纯预测任务，变量非常多且稠密。如果图结构几乎完全连接，独立性假设名存实亡，精确推理的复杂度会急剧上升。这种场景下，梯度提升、随机森林可能更快更稳。
• 可用变量依赖关系极强，且有必要做决策解释。这种情况下贝叶斯网络虽然能做，但需要花大量时间校准CPT，工程成本远高于拿一个黑盒模型加SHAP解释。
• 数据全部缺失且没有专家知识。如果既不知道结构、也不知道参数，样本量又小，学出来的网络可信度很低，还不如直接用朴素贝叶斯。

贝叶斯网络的真正主场，是变量数量可控、因果结构清晰、需要显式计算后验概率或解释决策过程的任务，比如设备故障诊断、疾病风险评估、客户流失归因等。选对场景，它才是利器。

最后再分享一点我的实际体会。贝叶斯网络入门阶段，别急着啃推理数学，先把图画对，把CPT填好，用pgmpy或Graphviz跑几个小例子感受推理结果是否符合直觉。很多时候模型出问题，不是数学不对，而是箭头的方向画反了，或者某一行概率忘归一化了。等你能做到“看一眼图就能说出哪里可能存在条件独立”，再回头学消息传递、变分推断这些进阶内容，会顺很多。以后看到复杂的贝叶斯网络论文，也不要慌，先把它拆成一条条路径，找对撞点，找链式结构，整个图的“性格”就摸清了。