我尝试使用网站上给出的示例https://pomegranate.readthedocs.io/en/latest/BayesianNetwork.html来创建贝叶斯信念网络，但示例中使用了三个变量，而我尝试使用两个变量，结果总是得到KeyError: (‘A’, ‘A’, ‘B’):

from pomegranate import *guest = DiscreteDistribution({'A': 0.5, 'B':0.5})prize = DiscreteDistribution({'A': 0.5, 'B': 0.5})monty = ConditionalProbabilityTable(        [['A', 'A', 0.5],             ['B', 'B', 0.5],         ['A', 'B', 0.5],         ['B', 'A', 0.5]], [guest, prize])s1 = Node(guest, name="guest")s2 = Node(prize, name="prize")s3 = Node(monty, name="monty")model = BayesianNetwork("Monty Hall Problem")model.add_states(s1, s2, s3)model.add_edge(s1, s3)model.add_edge(s2, s3)model.bake()

如果有人能帮助我解决这个问题，将非常有帮助，我已经尽力了但无法解决这个问题。

回答：

在本问题中，条件概率表必须包含三个变量。这是由于在这种情况下，条件概率由P(Monty|Guess,Prize)给出。换句话说，为了达到Monty的某个状态，必须满足Guess和Prize的联合概率。因此，任何变量都不能从表中（或条件概率方程中）移除。

为了解决您只使用两个变量的问题，我们需要通过忽略“Guess”或“Prize”的概率来改变对问题的处理方式，使得Monty只接受一个变量。新的概率方程将变为P(Monty|temp)。

from pomegranate import *temp = DiscreteDistribution({'A': 0.5, 'B':0.5})monty = ConditionalProbabilityTable(        [['A', 'A_prime', 0.5],             ['B', 'B_prime', 0.5],         ['A', 'B_prime', 0.5],         ['B', 'A_prime', 0.5]], [temp])s1 = Node(temp, name="temp")s2 = Node(monty, name="monty")model = BayesianNetwork("Not a Monty Hall Problem")model.add_states(s1, s2)model.add_edge(s1, s2)model.bake()