首先是“樸素”一詞，代表的是假設各特徵之間相互獨立，互不影響，雖然如此，其實際表現也較爲不錯。
其原理大致如下：
假設一個二分類問題，評價一個女生漂亮與否，主要有如下指標：長髮與否，身高高矮，體型胖瘦，給出一個合適的數據集
現在有這樣一個女生，高，長髮，瘦，判斷這個女孩是否漂亮，即求
P（漂亮|高，長髮，瘦） = （P（高，長髮，瘦|漂亮） * P（漂亮）） / P（高，長髮，瘦）
P（不漂亮|高，長髮，瘦） = （P（高，長髮，瘦|漂亮） * P（不漂亮）） / P（高，長髮，瘦）
較大概率者即爲其分類，其分母都是相同的，所以只需要比較分析大小。
由於已經假設各特徵相互獨立、各不影響，故分子可簡化爲如下形式：
P（漂亮） * P（高|漂亮） * P（長髮|漂亮） * P（瘦|漂亮）
argmax一下即得到結果
判別結果就不用我多說了吧！
還有一點就是會產生概率爲0的點 ，爲了避免出現這種情況，使用貝葉斯估計，通常參數爲1，即拉普拉斯平滑什麼什麼的，這地方還沒理解，後邊再補