朴素贝叶斯法通过先验概率P(Y=ck)和条件概率P(X=x|Y=ck)来学习联合概率分布P(X,Y)。
朴素贝叶斯法作了条件概率独立性的假设（就是特征向量各个维度之间是相互独立的),分类器为通过计算概率最大的那一个。
后验概率最大化等价于期望风险最小化，采用极大似然估计估先验概率和条件概率。、
求P(Y=ck)的极大似然估计可以当成二项分布来求。
为了防止有些概率为0的情况，需要给分子和分母加上一些项。
