贝叶斯理论与朴素贝叶斯分类理论（Naive Bayesian Model，NBM）

贝叶斯统计理论是英国数学家托马斯´贝叶斯于18世纪中叶提出并逐步完善的一种数学理论。基于贝叶斯统计理论的贝叶斯决策是在信息不完全的情况下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生的概率进行修正，最后再利用期望值和修正概率做出最优决策。贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：

已知类条件概率密度参数表达式和先验概率。利用贝叶斯公式转换成后验概率。根据后验概率大小进行决策分类。

贝叶斯统计理论的核心是贝叶斯公式，贝叶斯公式的基本形式是：