什么是朴素贝叶斯算法？

朴素贝叶斯方法是在贝叶斯算法的基础上进行简化，即在给定目标值的情况下，假设属性相互独立。

也就是说，没有一个属性变量占决策结果的比例大，没有一个属性变量占决策结果的比例小。这种简化的方法虽然在一定程度上降低了贝叶斯分类算法的分类效果，但却大大简化了贝叶斯方法在实际应用场景中的复杂度。

朴素贝叶斯分类(NBC)是一种基于贝叶斯定理并假设特征条件相互独立的方法。首先，通过给定的训练集学习从输入到输出的联合概率分布，假设特征词是独立的。然后基于学习到的模型，输入X，找到使后验概率最大化的输出Y。

个人贡献:

贝叶斯主要研究数学中的概率论。他首先将归纳推理应用于概率论的基础理论，建立了贝叶斯统计理论，在统计决策函数、统计推断和统计估计等方面做出了贡献。1763年，他在这方面的著作发表，在现代概率论和数理统计中占有重要地位。贝叶斯的另一部著作《机会论导论》出版于1758。贝叶斯采用的许多术语今天仍在使用。

他对统计推理的主要贡献是使用了“逆概率”的概念，并把它作为一种普适的推理方法提出来。贝叶斯定理本来是概率论中的一个定理，可以用一个数学公式来表示，就是著名的贝叶斯公式。