नाइव बेयसियन क्लासिफायर कक्षा सशर्त स्वतंत्रता की धारणा बनाता है, यानी, एक टुपल के कक्षा लेबल को देखते हुए, विशेषताओं के मूल्यों को एक-दूसरे से सशर्त रूप से अलग माना जाता है। यह मूल्यांकन को परिभाषित करता है।
जब धारणा सच होती है, तो नाइव बेयसियन क्लासिफायर कई क्लासिफायर की तुलना में प्रभावी होता है। यह संयुक्त सशर्त प्रायिकता वितरण का प्रतिनिधित्व कर सकता है।
वे चरों के उपसमुच्चय के बीच कक्षा सशर्त स्वतंत्रताओं को प्रतिनिधित्व करने में सक्षम बनाते हैं। वे कारण संबंधों की एक चित्रमय संरचना प्रदान करते हैं, जिस पर सीखने को लागू किया जा सकता है। प्रशिक्षित बेयसियन बिलीफ नेटवर्क का उपयोग वर्गीकरण के लिए किया जाता है। बेयसियन बिलीफ नेटवर्क को बिलीफ नेटवर्क, बेयसियन नेटवर्क, और प्रोबेबिलिस्टिक नेटवर्क भी कहा जाता है।
एक बिलीफ नेटवर्क को दो घटकों द्वारा दर्शाया जाता है जिसमें एक निर्देशित चक्रीय ग्राफ और सशर्त प्रायिकता तालिकाओं का एक समूह शामिल होता है। निर्देशित चक्रीय ग्राफ में प्रत्येक नोड एक यादृच्छिक चर को परिभाषित करता है। चर असतत- या सतत-मूल्यवान हो सकते हैं।
वे दी गई जानकारी में कुछ विशेषताओं से मेल खा सकते हैं या "छिपे हुए चर" जिनके बारे में माना जाता है कि वे एक संबंध बनाते हैं (उदाहरण के लिए, चिकित्सा रिकॉर्ड के मामले में, एक छिपा हुआ चर एक सिंड्रोम को दर्शा सकता है, जो कई लक्षणों का वर्णन करता है जो एक साथ एक निश्चित बीमारी की पहचान करते हैं)।
बेयसियन बिलीफ नेटवर्क की विशेषताएं निम्नलिखित हैं -
BBN एक चित्रमय मॉडल का उपयोग करके एक विशिष्ट डोमेन के पूर्व ज्ञान को पकड़ने के लिए एक विधि प्रदान करता है। नेटवर्क का उपयोग चरों के बीच कारण निर्भरता को एन्कोड करने के लिए किया जा सकता है।
नेटवर्क का निर्माण समय लेने वाला हो सकता है और बहुत प्रयास की आवश्यकता हो सकती है। लेकिन नेटवर्क की संरचना तय हो जाने के बाद, एक नया चर डालना काफी सरल है।
बेयसियन नेटवर्क अपर्याप्त रिकॉर्ड से निपटने के लिए लागू होते हैं। लापता विशेषताओं वाले उदाहरणों को विशेषता के सभी संभावित मूल्यों पर संभावनाओं को जोड़कर या एकीकृत करके संभाला जा सकता है।
रिकॉर्ड को पूर्व ज्ञान के साथ संभाव्य रूप से जोड़ने के कारण, दृष्टिकोण मॉडल ओवरफिटिंग के लिए शक्तिशाली है।
बिलीफ नेटवर्क कई प्रसिद्ध मुद्दों को मॉडल करने के लिए उपयोग किए जा सकते हैं। एक उदाहरण आनुवंशिक लिंकेज विश्लेषण है जैसे क्रोमोसोम पर जीन का मानचित्रण। जीन लिंकेज मुद्दों को बेयसियन नेटवर्क पर अनुमान की विधि में डालकर, और अत्याधुनिक एल्गोरिदम का उपयोग करके, विश्लेषण की स्केलेबिलिटी में काफी प्रगति हुई है।
कई एप्लिकेशन बिलीफ नेटवर्क के उपयोग से लाभान्वित हुए हैं जैसे कंप्यूटर विजन, छवि पुनर्स्थापना, और स्टीरियो विजन, फाइलें और टेक्स्ट विश्लेषण, निर्णय समर्थन प्रणाली, और संवेदनशीलता विश्लेषण। कई एप्लिकेशन को बेयसियन नेटवर्क अनुमान में कम करने की आसानी यह है कि यह हर एप्लिकेशन के लिए विशेष एल्गोरिदम बनाने की आवश्यकता को रोकता है।
