भोले बायेसियन क्लासिफायरियर वर्ग सशर्त स्वतंत्रता की धारणा बनाता है, अर्थात, एक टपल के वर्ग लेबल को देखते हुए, विशेषताओं के मूल्यों को सशर्त रूप से एक दूसरे से अलग माना जाता है। यह मूल्यांकन को परिभाषित करता है।
जब धारणा सत्य को प्रभावित करती है, इसलिए भोले बायेसियन क्लासिफायरियर कई क्लासिफायर के विपरीत प्रभावी होता है। यह संयुक्त सशर्त संभाव्यता वितरण का प्रतिनिधित्व कर सकता है।
वे वर्ग सशर्त स्वतंत्रता को चर के सबसेट के बीच प्रतिनिधित्व करने में सक्षम बनाते हैं। वे कारण संबंधों की एक चित्रमय संरचना का समर्थन करते हैं, जिस पर सीखने को लागू किया जा सकता है। प्रशिक्षित बायेसियन विश्वास नेटवर्क का उपयोग वर्गीकरण के लिए किया जाता है। बायेसियन विश्वास नेटवर्क को विश्वास नेटवर्क, बायेसियन नेटवर्क और संभाव्य नेटवर्क भी कहा जाता है।
एक विश्वास नेटवर्क को दो घटकों द्वारा दर्शाया जाता है जिसमें एक निर्देशित चक्रीय ग्राफ और सशर्त संभाव्यता तालिकाओं का एक समूह शामिल है। निर्देशित चक्रीय ग्राफ में प्रत्येक नोड एक यादृच्छिक चर परिभाषित करता है। चर असतत- या निरंतर-मूल्यवान हो सकते हैं।
वे जानकारी में दी गई कुछ विशेषताओं या "छिपे हुए चर" के अनुरूप हो सकते हैं जिन्हें एक संबंध बनाने के लिए माना जाता है (उदाहरण के लिए, मेडिकल रिकॉर्ड के मामले में, एक छुपा चर एक सिंड्रोम को दर्शा सकता है, जिसमें कई लक्षणों का वर्णन किया जाता है, जो एक साथ एक निश्चित बीमारी की पहचान करते हैं। )।
बायेसियन विश्वास नेटवर्क की विशेषताएं हैं जो इस प्रकार हैं -
बीबीएन ग्राफिकल मॉडल का उपयोग करके किसी विशिष्ट डोमेन के पिछले ज्ञान को कैप्चर करने के लिए एक विधि का समर्थन करता है। नेटवर्क का उपयोग चर के बीच कार्य-कारण निर्भरता को एन्क्रिप्ट करने के लिए किया जा सकता है।
यह हो सकता है कि नेटवर्क का निर्माण समय लेने वाला हो और इसके लिए भारी मात्रा में प्रयास की आवश्यकता हो। लेकिन नेटवर्क की संरचना तय कर ली गई है, एक नया चर सम्मिलित करना काफी सरल है।
बायेसियन नेटवर्क अपर्याप्त रिकॉर्ड से निपटने के लिए लागू होते हैं। अनुपलब्ध विशेषताओं वाले उदाहरणों को विशेषता के सभी संभावित मानों पर प्रायिकताओं को जोड़कर या एकीकृत करके नियंत्रित किया जा सकता है।
रिकॉर्ड को संभावित रूप से पिछले ज्ञान के साथ जोड़ दिए जाने के कारण, यह तरीका ओवरफिटिंग को मॉडल करने के लिए शक्तिशाली है।
कई प्रसिद्ध मुद्दों को मॉडल करने के लिए विश्वास नेटवर्क का उपयोग किया जा सकता है। एक उदाहरण आनुवंशिक लिंकेज विश्लेषण है जैसे कि एक गुणसूत्र पर जीन का मानचित्रण। बायेसियन नेटवर्क पर अनुमान की विधि में जीन लिंकेज मुद्दों को डालने और अत्याधुनिक एल्गोरिदम का उपयोग करके, विश्लेषण की मापनीयता काफी उन्नत हुई है।
कंप्यूटर विज़न, इमेज रिस्टोरेशन, और स्टीरियो विजन, फाइल्स और टेक्स्ट एनालिसिस, डिसीजन सपोर्ट सिस्टम और सेंसिटिविटी एनालिसिस जैसे विश्वास नेटवर्क की आवश्यकता से कई एप्लिकेशन लाभान्वित हुए हैं। वह पाठ जिसके साथ कई अनुप्रयोगों को बायेसियन नेटवर्क अनुमान में कम किया जा सकता है, इस मायने में फायदेमंद है कि यह प्रत्येक एप्लिकेशन के लिए विशेष एल्गोरिदम बनाने की आवश्यकता को रोकता है।