之前安排到這個題目，等到要寫的時候又非常害怕。
因為這東西很大，不是一篇文章就講的完的，需要很多的基礎知識。
然後我對這東西不算太熟悉，所以我就蓋略性描述好了！

知識網路

對我來說他的模型本身就是一個知識的網路，以機率為基礎建立起來的知識網路。

以上就是一個簡單的貝式網路，以上敘述了下不下雨會影響灑水器會不會啟動，也影響了草地是不是溼的，灑水器也影響草地會不會溼掉。
當這個網路夠大的時候他就會成長變成下面這張圖，這也就是我為什麼把他叫作知識網路。

他的應用層面非常廣，可以用來做疾病預測模型，甚至是專家系統。

機率表述

基本上，如同前面所講到的一樣，我們是依賴資料跟假設的。
你可以把貝式網路想成是多個貝式分類器，把他們組織成一個大的網路系統，所以建構貝式網路需要非常多、種類複雜的資料。
當你訓練好整個網路之後，他可以用機率去幫你預測會發生的事情或是做邏輯推論。
因為訓練的過程需要很多的背景知識，所以我就不在這邊提了。

有興趣的人可以參考coursera的Probabilistic Graphical Models。

OS：既然他都開成課了就不是我在這邊一言兩語講的完的了.....(抖