Les réseaux bayésiens (Bayesian Networks) sont des modèles graphiques probabilistes qui représentent un ensemble de variables aléatoires par un graphe orienté acyclique (DAG) et factorisent leur distribution de probabilité conjointe.
Ils définissent formellement la distribution comme le produit des probabilités conditionnelles de chaque variable donnée ses parents dans le graphe.
La structure du réseau encode des hypothèses d'indépendance qui permettent une inférence probabiliste efficace et un apprentissage.
Les réseaux bayésiens sont utilisés pour le diagnostic, la prévision ainsi que pour l'aide à la décision et permettent de calculer des probabilités a posteriori en présence d'observations.
Définition :
Un réseau bayésien est un modèle probabiliste qui représente une distribution de probabilité conjointe sur un ensemble de variables par un graphe orienté acyclique, où la distribution est décomposée en produit des probabilités conditionnelles de chaque variable donnée ses facteurs parents.
Source :
Jensen, F. V. (2001). Bayesian Networks and Decision Graphs. Springer.