贝叶斯分类器本不是一个复杂的东西，但是博主在网上几翻查找，并未找到有哪一篇博文将其写得易懂。硬着头皮去看书《模式分类》，而书上公式一大堆，实在让人头疼。几番痛苦的学习下，终于明白其中原理。现写出此文，献给各位同志。如果大家觉得这文章写得还不错，日后我可以将此文的pdf共享给大家。
这篇博文总共有4节内容，如果你对贝叶斯分类已经熟悉，只想看看它在图像分类中的应用，请直接跳到第4节。
考虑到一些小伙伴的概率论的知识有点忘了，这是有必要贴心地帮助大家简单地回顾一下一些基本的概率论的知识。
我们记一个事件\(A\)发的概率为\(P(A)\)，那么它是\(0 \le P(A) \le 1\)。
我们记事件\((A,\ B)\)发生的概率为\(P(A,\ B)\)，有时也记为\(P(AB)\)，这表示\(A, \ B\)同时发生的概率；或者记成\(P(A\cap B)\)，这几种写法是等价的（如果你觉得不对，可以在下面留言讨论，欢迎拍砖