贝叶斯网络
贝叶斯网络（Bayesian network），又称信念网络（belief network）或是有向无环图模型（directed acyclic graphical model），是一种概率图型模型。贝叶斯网络学习数据分析获得贝叶斯网模型，而贝叶斯网络包括参数学习和结构学习。通过贝叶斯网络结构学习得到各节点的依赖关系。在确定贝叶斯网络的结构后，通过参数学习获取各个结点之间依赖关系的定量描述，也就是各个结点的条件概率表（Conditional Probability Table,CPT）
其分为 同父结构 V型结构 顺序结构
学习：
1、基于评分搜索的方法
那么如何根据已有的数据集学得贝叶斯网络结构呢？一种最简单的想法就是遍历所有可能的结构，然后用某个标准去衡量各个结构，进而找出最好的结构。
是的，这就是评分搜索的基本思想。你可以把所有可能的结构看为定义域，将衡量特定结构好坏的标准看为函数，寻找最好的结构的过程相当于在定义域上求函数的最优值，即这是一个最优化问题。但这里面有两个关键点：一是定义域一般几乎无穷大，不可能遍历，即确定合适的搜索策略；二是用什么样的衡量标准，即确定所谓的评分函数。
贝叶斯网络