本发明属于人工智能技术领域，公开的一种深度贝叶斯网络建模训练方法，采用分析对象的特征初步确定贝叶斯网络的模型节点，确定为用深度神经网络获得的特征向量替换的深度节点；将样本数据分为训练集和测试集确定深度神经网络模型结构并初始化网络参数，原始数据输入到深度神经网络中获得其输出特征，通过未离散化的训练集获得离散量化后的全样本训练集、获得训练后的贝叶斯网络、获得其输出特征、获得离散量化后的全样本测试集，达到对深度神经网络的输出节点进行准确度预测。本发明能够通过特征工程获得的特征量进行建模推理，并且能够直接对原始数据进行处理。具有完备的数学理论基础、可解释性好，并且具有自动特征提取能力的贝叶斯网络模型。