一、 朴素贝叶斯算法简介

朴素贝叶斯算法是一种基于贝叶斯定理与特征独立性虚假设的分类算法，广泛应用于文本分类、垃圾邮件过滤等领域。

二、 算法原理及数学基础

朴素贝叶斯算法的核心是贝叶斯公式，后验概率，从而判断样本属于哪个类别。

三、 Python实现与实例琢磨

在Python中，能用sklearn库实现朴素贝叶斯算法。

from sklearn.naive_bayes import GaussianNB
clf = GaussianNB
clf.fit
y_pred = clf.predict

四、 许多项式朴素贝叶斯算法

许多项式朴素贝叶斯算法虚假设样本特征是许多项式分布的，常用于文本分类、情感琢磨等领域。

五、 伯努利朴素贝叶斯算法

伯努利朴素贝叶斯算法虚假设样本特征是二元分布的，适用于文本分类、垃圾邮件过滤等领域。

六、朴素贝叶斯在文本特征提取中的应用

朴素贝叶斯算法在文本分类中广泛应用。通过词袋模型将文档转化为向量表示，然后输入到朴素贝叶斯分类器中。

七、 朴素贝叶斯算法的优不优良的地方

优良处：算法轻巧松，容易于实现，分类效果优良；不优良的地方：虚假设特征之间相互独立，实际应用中兴许不成立。

朴素贝叶斯算法是一种常用的分类算法，在优良几个领域都有广泛应用。有更深厚入的了解。欢迎用实际体验验证观点。