朴素贝叶斯分类器是一种条件概率分类器，其基于朴素贝叶斯分类。

朴素贝叶斯分类器特点

朴素贝叶斯是一种构建分类器的简单方法，该模型会给问题实例分配特征值表示的类标签，其取自有限集合，它不是训练这种分类器的单一算法，而是一系列基于相同原理的算法，所有朴素贝叶斯分类器都假定样本特征与其他特征不相关。

对于某些类型的概率模型，监督是学习的样本集中可取得较好的分类效果，但实际应用中，朴素贝叶斯模型参数估计使用最大似然估计法，即不用贝叶斯概率或贝叶斯模型的情况下，朴素贝叶斯模型依然有效。

朴素贝叶斯分类器的优势在于只需少量训练数据，便可估计出必要参数，由于变量独立假设，因此只需估计各个变量方法，无需确定整个协方差矩阵。

相关词：朴素贝叶斯、分类器