講人話就是在有些特徵之間相互獨立且不影響的前提下，利用貝式定理算出個別特徵與結果之間的機率關係，以此預測不同特徵落入不同分類的個別機率。
貝氏定理(Bayes' theorem)的貝氏就是指貝葉斯（Thomas Bayes），下圖為貝葉斯公式，是貝氏定理的核心。
單純貝氏分類器是屬於監督式學習的一種，因為上述提及「特徵之間相互獨立且不影響」此假說前提，大大的簡化了計算，所以被冠上單純之名。假設今天我有鳶尾花(iris)的資料，我想將它分成三類，但是我不知道該如何區分，如果運用單純貝氏分類器的話，可以得出鳶尾花分別屬於這三類的機率是多少，再比較出機率高的，就可以分類出來了。
iThome鐵人賽
看影片追技術