Байєсовська теорія прийняття рішень структура, яка передбачає прийняття рішень на основі ймовірностей і попередніх знань, часто використовується в інформатиці для процесів прийняття рішень. Визначення, створене ШІ на основі: Міжнародна енциклопедія соціальних і поведінкових наук, 2001 р.
Байєсовська теорія прийняття рішень відноситься до статистичного підходу, заснованого на кількісному визначенні компромісу між різними класифікаційними рішеннями на основі концепції ймовірності (теорема Байєса) та витрат, пов’язаних з рішенням.
Теорема Байєса є розширення умовної ймовірності. Умовна ймовірність допомагає нам визначити ймовірність A при заданому B, позначеному P(A|B). Отже, теорема Байєса каже, що якщо ми знаємо P(A|B), то можемо визначити P(B|A), враховуючи, що P(A) і P(B) нам відомі.
Інтелектуальний аналіз даних і виявлення знань Байєсівські мережі переконань є графічні моделі, які передають причинно-наслідкову інформацію та забезпечують основу для опису та оцінки ймовірностей, коли у нас є мережа взаємопов’язаних змінних.
Байєсівське прийняття рішень передбачає заснування рішень на ймовірності успішного результату, коли ця ймовірність визначається як попередньою інформацією, так і новими доказами, які отримує особа, що приймає рішення.. Статистичний аналіз, який лежить в основі розрахунку цих ймовірностей, є байєсівським аналізом.
Теорема Байєса також відома як формула ймовірності «причин». Наприклад: якщо нам потрібно обчислити ймовірність взяти синю кулю з другого мішка з трьох різних мішків з кулями, де кожен мішок містить три кулі різного кольору, а саме: червоний, синій, чорний.