（二）基于贝叶斯原理的分类方法

基于贝叶斯原理的分类方法是利用贝叶斯理论来实现分类的方法，其中的朴素贝叶斯（Naive Bayes）算法是贝叶斯类分类方法中最具代表性的一种。[4]该方法利用Bayes定理来预测数据对象属于各个类别的概率，然后将概率最大的类别作为该数据对象的类别，从而实现分类。

基于贝叶斯原理的分类方法的主要优点有:①分类效率稳定，这是因为其采用的数学原理较为成熟；②分类过程简单、速度快；③对数据完整性的要求较低。

该分类方法的主要缺点有:①执行效率受属性独立性的制约较大，属性独立性越高，分类效率也越高；反之，若属性较多或独立性较低，分类效率则会大幅度下降。②先验概率对该分类方法的准确性影响较高。