概念
贝叶斯网络(Bayesian network)，又称“信念网络”（belief network），它借助于有向无环图（Directed Acyclic Graph）来刻画属性之间的依赖关系。并且使用条件概率表来描述属性的联合概率分布。
组成
一个贝叶斯网络B由结构G和参数Θ两个部分构成，即B=⟨G,Θ⟩.
其中：
B代表贝叶斯网络
G代表一个有向无环图，其中每个结点对应一个属性，若两个属性有直接的依赖关系，则他们由一条边联系起来。
Θ定量描述这种依赖关系，假设属性xi在G中的父节点集为πi则Θ包含了每个属性的条件概率表θxi∣πi=PB(xi∣πi).
结构
贝叶斯网络结构有效地表达了属性间的条件独立性。给定父结点集合，贝叶斯网络假设每个属性与它的非后裔属性独立，于是B=⟨G,Θ⟩将x1,x2,…,xd的联合概率分布定义为：
PB(x1,x2,…,xd)=∏i=1dPB(xi∣πi)=∏i=1dθxi∣πi
几种常见贝叶斯网络
注：
a和b在给定c的取值时独立记为：a⊥b∣c
同父结构
给定x1的取值，则x3和x4条件独立。
x1的取值未知，则x3和x4不独立。
V型结构
给定子结点x4的取值，x1和x2必不独立。
但是在x4的取值完全未知的时候，x1和x2相互独立。
顺序结构
给定x的值，则y和z条件独立。
x1的取值未知，则y和z不独立。