贝叶斯网络，又称为贝叶斯信念网络或贝叶斯网络模型，是一种概率图模型，由代表变量节点及连接这些节点的有向边构成。这种网络模型由Judea Pearl于1985年首次提出，用于表示和分析变量之间概率关系，从而进行不确定性推理。

在贝叶斯网络中，节点代表随机变量，可以是离散的或连续的，它们可以是可观察到的变量，或隐变量、未知参数等。节点间的有向边代表了节点间的互相关系，这种关系可以是因果关系或相关关系。每个节点都包含了该节点的条件概率表，给定其父节点的情况下，可以计算该节点的概率分布。此外，贝叶斯网络还可以用来表示一个条件概率图模型，即给定一组条件变量，可以计算各个变量的条件概率分布。

贝叶斯网络结合了图论和概率论的知识，可以用于分析因果关系、预测事件概率以及处理不完全数据等。其应用领域广泛，包括机器学习、数据挖掘、自然语言处理、决策支持系统、医疗诊断等。

总结

贝叶斯网络（Bayesian Network）是一种概率图模型，用于描述随机变量之间的概率依赖关系。它是由节点和有向边构成的有向无环图，其中节点表示随机变量，有向边表示变量之间的依赖关系。

在贝叶斯网络中，每个节点表示一个随机变量，节点之间的有向边表示变量之间的条件依赖关系。换句话说，每个节点的条件概率分布依赖于其父节点的取值。这种依赖关系可以通过贝叶斯定理来表示和推断。