I modelli grafici probabilistici (PGM) rappresentano un ramo dell'apprendimento automatico che fornisce un quadro intuitivo per descrivere le interazioni all'interno dei sistemi con semplice astrazione. Il ragionamento che utilizza i PGM consente di rispondere alle domande di inferenza in termini di incertezza, formalizzata dalla teoria della probabilità. Due tipi classici di PGM sono le reti bayesiane (basate su grafici aciclici diretti) e i campi casuali di Markov (basati su grafici non diretti). Un'utile estensione delle reti bayesiane per il processo decisionale sono i diagrammi di influenza (ID). Gli ID sono modelli decisionali grafici utilizzati per agire in condizioni di incertezza: risolvere un ID significa determinare la strategia ottimale per il decisore e il valore della decisione quando viene applicata tale strategia ottimale.