贝叶盍嫫谧艰斯分类器除了朴素贝叶斯外还有贝叶斯网络，又称信念网络或是有向无环图模型是概率性的图形模型，表示一组变量及其条件依赖通过有向无环图。贝叶斯网络非常适合于采取已经发生的事件，并预测几个可能的已知原因中的任何一个是促成因素的可能性。
贝叶斯网络可以表示疾病和症状之间的概率关系，如果已知某种性状，贝叶斯网络可以用来计算各种疾病出现的概率。贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。
从1988年由Pearl提出后，已经成为近几年来研究的热点。一个贝叶斯网络是一个有向无环图，由代表变量结点及连接这些结点有向边构成。结点代表随机变量，结点间的有向边代表了结点间的互相关系，用条件概率进行表达关系强度，没有父结点的用先验概率进行信息表达。
贝叶斯网络本身是一种不定性因果关联模型，贝叶斯网络与其他决策模型不同，它本身是将多元知识图解可视化的一种概率知识表达与推理模型，更为贴切地蕴含了网络结点变量之间的因果关系及条件相关关系。
