贝叶斯网络模型具体作用

叶斯网络模型最简单的例子是“分类器”，即在观测节点输入多个特征，就能获得这些特征所对应的具体事物。
      例如：一个箱子里装有篮球，排球和足球，你的朋友每次从箱子里取出某一个球。但你看不见所取球的类型，只能通过朋友描述尺寸，外表，颜色等特征（观测数据）来辨别（分类），当然你之所以具备辨别（分类）能力是你长期对几种球类的观察和认识，并将这些特征一一储存在你脑部，这就形成先验知识以及特征与具体事物的对应关系（网络模型结构和参数）。如果模型和先验知识精确，你的朋友仅需要说出尺寸或者颜色你就立刻可以分类，如果模型或先验知识不精确，那朋友就需要多说出几个特征你才能辨别。
     通过上面的例子发现，贝叶斯网络需要学习，即通过数据进行训练，在具有观测数据时需要推理。这里就包含了BN的核心研究内容