Байесовская сеть является Вероятностной Графической Моделью, которая представляет ряд случайных переменных и их зависимостей от условных вероятностей через Направленные графы без петель (DAG), узлы которых являются случайными переменными: они могут быть заметными количествами, скрытыми переменными, неизвестными параметрами или гипотезами и представлены Таблицей условной вероятности (CPT). Края представляют условные зависимости, где узлы, которые не соединены, представляют переменные, которые условно независимы друг от друга. Каждый узел связан с функцией вероятности, которая берет в качестве входа определенное множество значений для родительских переменных узла и дает вероятность переменной, представленной узлом. Например, если родители m логические переменные затем функция вероятности могли быть представлены таблицей 2m записи, одна запись для каждого из 2m возможные комбинации его родителя того, чтобы быть true или false.

Байесовские сети могут быть определены экспертом в случаях, где существует предшествующая информация, или быть усвоенной из обучающих данных. Существует две фазы изучения: структура, учащаяся и изучение параметров. В структуре, изучающей алгоритмы, пытаются найти лучший DAG, который описывает данные, и в параметрах, учащихся, которые гарантируют установке CPTs к данным и выбранной структуре.

Байесовские сети могут использоваться во множестве приложений, например, оно могло использоваться для представления вероятностных отношений между болезнями и признаками. Учитывая признаки, сеть может использоваться для вычислений вероятностей присутствия различных болезней. Другое распространенное приложение этой модели должно представить Ген Регулирующие Сети (GRNs), где каждый узел является геном, и края представляет вероятность каждого гена, регулирующего другой.