一句话定义：朴素贝叶斯（Naive Bayes）是一类基于贝叶斯定理的分类算法，它做了一个几乎肯定不成立的“朴素”假设——所有特征彼此独立——换来极低的计算成本，因此长期是文本分类任务里最快的基线模型。
原理：把“组合”偷换成“乘积”
用贝叶斯定理判断一封邮件是不是垃圾邮件，理论上要看：在“垃圾邮件”这个前提下，出现“中奖 + 免费 + 点击链接”这一整组词的概率有多大。问题在于词与词会互相影响，“中奖”和“免费”经常一起出现，要精确统计这种搭配，组合数量会爆炸。
朴素贝叶斯的做法是直接宣布：每个词独立出现。于是那一整组的概率被拆成每个词概率的相乘——训练时只要数一数每个词在每个类别里出现多少次，预测时把对应概率乘起来比大小就行。一次遍历数据、一张词频表，几万条文本在普通机器上很快跑完，还能方便地增量更新。
这个假设在现实中基本是错的：中文里“人工”后面接“智能”的概率，远高于两者独立相乘的结果。但分类往往只需要“谁的得分更高”，不需要分数本身准确，所以错误假设并不致命。它在垃圾邮件过滤、情感极性判断、新闻分类上常常表现不差。
概率校准很差，这是它最大的坑
因为概率被反复相乘，误差不断累积，模型很容易输出 0.999 这种极端信心，而实际命中率远没有那么高。这叫概率校准（calibration）差：排序可能还行，数值不能当真。如果下游要用真实概率做阈值决策、风险定价，它的输出不能直接采信，逻辑回归（Logistic Regression）之类判别式模型通常校准得更好。
另外要记住零概率问题：某个词在某个类别里从没出现过，概率就是 0，一乘全归零。标准补丁是拉普拉斯平滑（Laplace smoothing），给每个计数加一个小常数。
| 维度 | 朴素贝叶斯 | 逻辑回归 | |
|---|---|---|---|
| 建模方式 | 生成式，建模 P(特征\ | 类别) | 判别式，直接学决策边界 |
| 小数据表现 | 通常更稳 | 容易欠拟合 | |
| 训练速度 | 极快，一遍计数 | 需迭代优化 | |
| 概率校准 | 常偏差大 | 相对更好 |
对从业者与普通人的意义
普通人每天都在用它：邮箱的垃圾邮件判断、评论区的自动标签，背后常常是这类简单模型。对从业者，它的价值是“先立一个底线”——新任务第一天跑通朴素贝叶斯，得到一个能对比的基线，之后所有复杂模型都要证明自己比它强。反过来，它也是关于“模型输出不等于真实概率”的最好教材：一个模型排序对、信心错，工程上依然会出事。具体实现与接口细节，以所用库的官方文档为准。