朴素贝叶斯法（与贝叶斯估计是不同的概念）是基于 贝叶斯定理与 特征条件独立假设的分类方法。
根据我在概率论的所学，参数估计的方法有矩估计和极大似然估计。
朴素贝叶斯法对条件概率分布做了条件独立性假设。这是一个比较强的假设。具体而言，条件独立性假设是：
朴素贝叶斯实际上是学习到生成数据的机制，属于生成模型。
条件独立假设等于是说：用于分类的特征在类确定的条件下都是条件独立的。
极大似然估计的思想就是要让我观测到的，一定是概率大的。于是演变为了求频率的样子。
，则条件概率的极大似然估计是（注意，这里算的是特征的条件概率）
对于给定实例，逐类别计算贝叶斯公式的分母；
用极大似然法估计可能会出现所要估计的概率值为0的情况，这会影响后验概率的计算结果。