Naive Bayes（朴素贝叶斯）

朴素贝叶斯分类器假设给定类别下各特征相互独立，这一简化虽不现实但显著降低了计算复杂度。它利用贝叶斯定理计算后验概率，并选择概率最大的类别作为预测。训练时只需统计特征的条件概率和类先验，无需迭代优化。常见变体包括多项式、伯努利和高斯朴素贝叶斯。尽管独立性假设常不成立，但在文本分类等任务中表现优异，且计算高效、易于实现，常作为基准模型。