一、前述
當多個特徵屬性之間存在著某種相關關係的時候，使用樸素貝葉斯演算法就沒法解決這類問題，那麼貝葉斯網路就是解決這類應用場景的一個非常好的演算法。一般而言，貝葉斯網路的有向無環圖中的節點表示隨機變數，可以是可觀察到 的變數，或隱變數，未知引數等等。連線兩個節點之間的箭頭代表兩個隨機變數之間的因果關係(也就是這兩個隨機變數之間非條件獨立)，如果兩個節點間以一個單箭頭連線在一起，表示其中一個節點是"因"，另外一個是"果"，從而兩節點之間就會產生一個條件概率值。注意：每個節點在給定其直接前驅的時候，條件獨立於其後繼。
二、具體
1、最簡單的一個例子
2、最複雜的一個例子，全連線貝葉斯網路
3、一般的貝葉斯網路
X1,X2,X3獨立，X6和X7在給定條件下獨立，X1，X2，X3，...X7的聯合分佈為
