1、贝叶斯分类方法是统计学的分类方法，它利用概率统计知识预测给定元组属于特定类的概率。
2、贝叶斯分类源于贝叶斯定理，最简单的贝叶斯分类算法是朴素贝叶斯分类法。该方法虽然简单，但是在实际应用上表现出了很高的准确率和效率，而且可以用到大型数据库中。
3、我们先聊了解下贝叶斯定理是怎么一回事儿。
给出情景：有一批产品，在机器良好的时候生产产品合格的概率为70%，在机器故障的时候生产产品合格的概率为30%，机器良好的概率为60%，那么当我们生产出的产品合格时，机器良好的概率为多少？
1）先根据语句写出已知条件：假设机器良好为A1，机器故障为A2，产品合格为B
P(B|A1)=70%, P(B|A2)=30%,P(A1)=60%
2）可知先验概率 A1：A2=60%：（1-60%）=6:4
似然函数 P(B|A1)=70%：P(B|A2)=30%=7:3
两两相乘得42:12
42+12=54便是全概率公式计算出来的值
故而得出后验概率为42/54=7/9
3）作图来直面一下过程：（把先验概率写x向，证据因子写y向）
4）贝叶斯定理公式：
5）并且，比值 P(B|A)/P(B)>1，意味着"先验概率"被增强，事件A的发生的可能性变大；
=1，意味着B事件无助于判断事件A的可能性；
<1，意味着"先验概率"被削弱，事件A的可能性变小。
4、朴素贝叶斯分类有一个简单的前提假设，即属性之间是条件独立的，也叫做类条件独立性假设。
5、举例说明
6、朴素贝叶斯的优缺点：
它的优势在于它易于实现，而且在大多数情况下能够获得较好的分类准确率。劣势在于它的类条件独立性假设，如果数据的各个属性之间有较强的依赖关系，那么朴素贝叶斯就不能取得较好的结果。
7、如何处理属性之间的依赖关系呢？
贝叶斯信念网络告诉你做人的道理~
