后端程序员之路 18、朴素贝叶斯模型（Naive Bayesian Model，NBM）

贝叶斯推断及其互联网应用（一）：定理简介 - 阮一峰的网络日志
http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html

贝叶斯推断及其互联网应用（二）：过滤垃圾邮件 - 阮一峰的网络日志
http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_two.html

贝叶斯推断及其互联网应用（三）：拼写检查 - 阮一峰的网络日志
http://www.ruanyifeng.com/blog/2012/10/spelling_corrector.html

p(A|B)                                       \
= frac{p(B|A)p(A)}{p(B)}                    \
= frac{p(B|A)p(A)}{p(B|A)p(A)-p(B|A')p(A')} \
= p(A)frac{p(B|A)}{p(B)}
后验概率　＝　先验概率 ｘ 调整因子

算法杂货铺——分类算法之朴素贝叶斯分类(Naive Bayesian classification) - T2噬菌体 - 博客园
http://www.cnblogs.com/leoo2sk/archive/2010/09/17/1829190.html

朴素贝叶斯分类器的应用 - 阮一峰的网络日志
http://www.ruanyifeng.com/blog/2013/12/naive_bayes_classifier.html

总结：
1、贝叶斯理论用于过滤垃圾邮件和拼写检查效果不错，同理可延伸到文章筛选等场景
2、朴素贝叶斯分类器，假设所有特征都彼此独立，训练后，可以有效的对新样本进行分类