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 स्वतंत्र माना जाता है। यह गणना को सरल करता है।
जब धारणा सही होती है, इसलिए कई क्लासिफायर की तुलना में भोले बायेसियन क्लासिफायरियर कुशल होता है। बायेसियन विश्वास नेटवर्क संयुक्त सशर्त संभाव्यता वितरण को परिभाषित करता 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 एक 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 छिपा हुआ चर एक सिंड्रोम को दर्शा सकता है, जिसमें कई लक्षणों का वर्णन किया जाता है, जो एक साथ पहचान करते हैं। निश्चित रोग)।
प्रत्येक चाप एक संभाव्य निर्भरता को परिभाषित करता है। यदि एक चाप एक नोड Y से एक नोड Z तक खींचा जाता है, इसलिए Y, Z का माता-पिता या तात्कालिक पूर्ववर्ती है, और Z, Y का वंशज है। प्रत्येक चर अपने माता-पिता को देखते हुए, ग्राफ में अपने गैर-वंशजों से सशर्त रूप से स्वायत्त है। ।
एक विश्वास नेटवर्क में प्रत्येक चर के लिए एक सशर्त संभाव्यता तालिका (CPT) होती है। चर Y के लिए CPT सशर्त वितरण P (Y|माता-पिता (Y)) को परिभाषित करता है, जहां माता-पिता (Y) Y के माता-पिता हैं।
नेटवर्क के अंदर एक नोड को "आउटपुट" नोड के रूप में चुना जा सकता है, जो क्लास लेबल विशेषता को परिभाषित करता है। एक से अधिक आउटपुट नोड हो सकते हैं। अनुमान और सीखने के लिए कई एल्गोरिदम हैं जिनका उपयोग नेटवर्क के लिए किया जा सकता है। एकल वर्ग लेबल वापस करने के बजाय, वर्गीकरण प्रक्रिया एक संभाव्यता वितरण लौटा सकती है जो प्रत्येक वर्ग की संभावना प्रदान करती है।
विश्वास नेटवर्क का उपयोग कई प्रसिद्ध मुद्दों को मॉडल करने के लिए 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।
ऐसे कई एप्लिकेशन हैं, जिन्हें कंप्यूटर विज़न, इमेज रिस्टोरेशन और स्टीरियो विजन, फाइल्स और टेक्स्ट एनालिसिस, डिसीजन सपोर्ट सिस्टम और सेंसिटिविटी एनालिसिस जैसे विश्वास नेटवर्क की आवश्यकता से लाभ हुआ है। जिस सामग्री के साथ कई अनुप्रयोगों को बायेसियन नेटवर्क अनुमान में घटाया जा सकता है, वह इस मायने में फायदेमंद है कि यह प्रत्येक एप्लिकेशन के लिए विशेष एल्गोरिदम बनाने की आवश्यकता को रोकता है।