רשת בייסיאנית (Bayesian Network) היא מבנה גרפי שמייצג משתני-אקראיים (למשל: "מזג-אוויר גשום", "מערכת-האזעקה מופעלת") כצמתים בגרף, ואת הקשרים הסיבתיים או ההסתברותיים ביניהם כחצים מכוונים. כל צומת נושא טבלת-הסתברות-מותנית, המתארת עד כמה סביר הערך שלו בהינתן הערכים של הצמתים שמצביעים אליו. המבנה הזה מאפשר לחשב, בצורה יעילה מבחינה חישובית, את ההסתברות של כל תרחיש בהינתן ראיות חלקיות — למשל, מהי הסתברות התקלה, בהינתן שהתקבלה התרעה מסוימת.
המונח "רשת בייסיאנית" נטבע ב-1985 על ידי חוקר-הבינה-המלאכותית ג׳ודע פרל (Judea Pearl), במאמר שהציג בפני כנס אגודת-מדעי-הקוגניציה. עם זאת, המודל המתמטי עצמו — הסתברות המיוצגת דרך גרף-מכוון-חסר-מעגלים, יחד עם אלגוריתם יעיל להסקה עליו — הופיע כבר קודם לכן, בעבודתו של פרל מתחילת שנות ה-80. פרל המשיך ופרסם ב-1988 את הספר "Probabilistic Reasoning in Intelligent Systems", שהפך למרכזי בתחום, ובזכות תרומתו הכוללת להנמקה הסתברותית-סיבתית זכה ב-2011 בפרס טיורינג — הפרס היוקרתי ביותר במדעי-המחשב.
רשתות בייסיאניות משמשות בתחומים שבהם צריך להסיק מסקנות מתוך ראיות חלקיות ולא-ודאיות: אבחון רפואי (הסקת מחלה סבירה מתוך תסמינים), גילוי-תקלות במערכות מורכבות, וניתוח-סיכונים. יתרון מרכזי שלהן, בהשוואה לרשתות-נוירונים, הוא פרשנות: מבנה הגרף עצמו משקף הנחות-עולם מפורשות שמומחה-תחום יכול לבדוק ולתקן, ולא "קופסה שחורה" שנלמדת אוטומטית מנתונים בלבד.
רשת בייסיאנית קרובה ברעיון ל-Naive Bayes Classifier — שתיהן מבוססות על חוק בייס — אך שונה ממנו במהותה: Naive Bayes מניח שכל התכונות בלתי-תלויות זו בזו, ואילו רשת בייסיאנית מייצגת במפורש את מבנה-התלויות המורכב בין המשתנים, כפי שהוא. בניית הגרף עצמו, ולעיתים גם ההסתברויות שבתוכו, דורשת בדרך-כלל ידע-תחום של מומחה אנושי, לא רק נתונים — מגבלה מרכזית להטמעתן בקנה-מידה גדול, בהשוואה לשיטות למידה-עמוקה.