[TOC] ## 概述 貝葉斯算法是一類基于貝葉斯定理的統計學算法，用于計算一個事件在給定其他事件發生的條件下的概率。在機器學習中，樸素貝葉斯分類器是一種基于這個算法的分類方法。 在樸素貝葉斯分類器中，我們假設各個特征之間是相互獨立的（這就是“樸素”一詞的由來），從而簡化了計算。 **貝葉斯定理：** 在貝葉斯概率理論中，對于事件 A 和 B，條件概率 P(A|B) 可以通過貝葉斯定理計算： ```[math] P(A|B)=\frac{P(B|A)*P(A) }{P(B)} ``` 其中： * `$ P(A|B) $` 是在事件 B 發生的條件下事件 A 發生的概率。 * `$ P(B|A) $` 是在事件 A 發生的條件下事件 B 發生的概率。 * `$ P(A) $` 和 `$ P(B) $` 是事件 A 和 B 分別發生的概率。