三、算法说明
朴素贝叶斯分类的正式定义如下：
（1）设{}为一个待分类项，而每个 为 的一个特征属性。
（2）有类别集合 {}。
（3）计算。
（4）如果{ } ，则 。
现在的问题是如何计算第三步的条件概率，其步骤如下：
（1）找到一个已知分类的待分类项集合，这个集合称之为训练样本集。
（2）统计得到在各类别下各个特征属性的条件概率估计。
（3）如果各个特征属性是条件独立的，则根据贝叶斯定理有如下推导：
因为分母对于所有类别为常数，因此只要将分子最大化即可，又因为各特征属性是条件
独立的，所以有：
