贝叶斯分类器是以著名的贝叶斯定理（Bayes Theorem）为基础的分类算法，其原理是通过样本的先验概率，利用误判损失来选择最优的类别进行分类。根据样本特征的分布情况，贝叶斯可分为朴素贝叶斯分类器和正态贝叶斯分类器。朴素贝叶斯分类器（Naive Bayes Classifier）为假设样本的特征向量各个分量相互独立；正态贝叶斯分类器为假设样本特征向量服从正态分布。其中，朴素贝叶斯分类器实现简单，模型预测准确率高，是一种常用的分类算法。 Be0qsOLrIPDI/n6aasnoIoefim3IsAWyRc62+nQMPpxtbrT35eTFV82nXxwUz1dj
