也就是說，沒有壹個屬性變量占決策結果的比例大，沒有壹個屬性變量占決策結果的比例小。這種簡化的方法雖然在壹定程度上降低了貝葉斯分類算法的分類效果，但卻大大簡化了貝葉斯方法在實際應用場景中的復雜度。
樸素貝葉斯分類(NBC)是壹種基於貝葉斯定理並假設特征條件相互獨立的方法。首先，通過給定的訓練集學習從輸入到輸出的聯合概率分布，假設特征詞是獨立的。然後基於學習到的模型，輸入X，找到使後驗概率最大化的輸出Y。
個人貢獻:
貝葉斯主要研究數學中的概率論。他首先將歸納推理應用於概率論的基礎理論，建立了貝葉斯統計理論，在統計決策函數、統計推斷和統計估計等方面做出了貢獻。1763年，他在這方面的著作發表，在現代概率論和數理統計中占有重要地位。貝葉斯的另壹部著作《機會論導論》出版於1758。貝葉斯采用的許多術語今天仍在使用。
他對統計推理的主要貢獻是使用了“逆概率”的概念，並把它作為壹種普適的推理方法提出來。貝葉斯定理本來是概率論中的壹個定理，可以用壹個數學公式來表示，就是著名的貝葉斯公式。