贝叶斯网络（Bayesian Network，简称BN）是一种概率图模型，用于表示一组随机变量及其条件依赖关系。它由一个有向无环图（Directed Acyclic Graph, DAG）和条件概率表（Conditional Probability Table, CPT）组成。在这个网络中，节点代表随机变量，而有向边则表示变量之间的依赖关系，即父节点指向子节点，表示因果关系或条件依赖。
贝叶斯网络的一个重要特性是局部马尔可夫性，即每个节点在给定其父节点的情况下，与其它非后代节点条件独立。这种结构使得贝叶斯网络能够紧凑地表示全联合概率分布，并通过条件独立性假设来减少所需的条件概率表数量。
贝叶斯网络可以用于多种推理任务，包括从原因到结果的预测推理（因果推理）和从结果到原因的诊断推理。它在医学、生物学、社会学等领域有广泛应用，例如用于疾病诊断、基因调控网络推断等。
贝叶斯网络最初由Judea Pearl于1985年提出，其理论基础是概率论和图论的结合，旨在处理不确定性知识并进行有效的概率推理
声明：文章来源于网络，如有侵权请联系删除！