一、简介
1、朴素贝叶斯的基本思想就是：给出一个分类问题，对于待求项，属于哪个分类的概率最大，那这个待求项就属于哪个分类。
2、如给出假设场景，要分类物有n个特征，分别为F1、F2、F3、…、Fn，现在有m个类别分别是C1、C2、C3、…、Cm。贝叶斯就是计算出概率最大的那个分类。
二、原理
-
准备知识
贝叶斯条件概率的计算公式（核心）：P(A|B)=P(A,B)/P(B)=P(B|A)*P(A)/P(B)
-
分类原理
假设这里要被分类的类别有两类，类c1和类c2，那么我们需要计算概率p(c1|x,y)和p(c2|x,y)的大小并进行比较：
如果：p(c1|x,y)>p(c2|x,y),则(x,y)属于类c1p(c1|x,y)<p(c2|x,y),则(x,y)属于类c2
我们知道p(x,y|c)的条件概率所表示的含义为：已知类别c1条件下，取到点(x，y)的概率；那么p(c1|x,y)所要表达的含义呢？显然，我们同样可以按照条件概率的方法来对概率含义进行描述，即在给定点(x,y)的条件下，求该点属于类c1的概率值。那么这样的概率该如何计算呢？显然，我们可以利用贝叶斯准则来进行变换计算：
p(ci|x,y)=p(x,y|ci)*p(ci)/p(x,y)
利用上面的公式，我们可以计算出在给定实例点的情况下，分类计算其属于各个类别的概率，然后比较概率值，选择具有最大概率的那么类作为点(x,y)的预测分类结果。
以上我们知道了通过贝叶斯准则来计算属于各个分类的概率值，那么具体而言，就是计算贝叶斯公式中的三个概率，只要得到了这三个概率值，显然我们就能通过贝叶斯算法预测分类的结果了。因此，到了这里，我们就知道了朴树贝叶斯算法的核心所在了。 -
如何“朴素”
"朴素"含义：本章算法全称叫朴素贝叶斯算法，显然除了贝叶斯准备，朴素一词同样重要。这就是我们要说的条件独立性假设的概念。条件独立性假设是指特征之间的相互独立性假设，所谓独立，是指的是统计意义上的独立，即一个特征或者单词出现的可能性与它和其他单词相邻没有关系。
三、手写实践
在企业笔试中，编程题也会出：实现朴素贝叶斯算法进行分类。如2018携程第二题，2019携程第一题，都出了贝叶斯进行分类。
2018携程第二题，朴素贝叶斯实现传送门
其他实践传送门如：文档分类，过滤垃圾邮件分类。