天给大家分享的是朴素贝叶斯算法，这个算法在实际使用中不是很多，因为现在很多算法已经发展的很好，性能上也比朴素贝叶斯算法的好很多，因此在实际中我们其实看到在实际应用中朴素贝叶斯算法的使用已经比较少，即使出现，最终的效果也是不及其他算法的，但是作为简单、基础的算法之一，我们掌握该算法的原理还是非常有必要的，同时在实际论文研究中也经常会使用贝叶斯算法的改进版，所以大家可以多了解了解。
朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。基本的思路就是给定训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。在介绍朴素贝叶斯算法之前，我们先做一些基础知识的铺垫——贝叶斯定理，该定理汇总比较重要的两个数学公式就是先验概率分布和条件概率分布，先验概率分布公式如下：