贝叶斯算法的特点（朴素贝叶斯算法口诀）

(1)朴素贝叶斯模型发源于古典数学理论，分类效率比较稳定。

(2)对小规模的数据表现很好，能够用于多分类任务的处理，适合增量式训练，尤其是在数据量超出内存的情况下，能够一批批的去增量训练。

(3)算法简单，对缺失数据不太敏感。

希望帮到你。

1. 贝叶斯算法模型发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率；

2. 对大数量训练和查询时具有较高的速度。即使使用超大规模的训练集，针对每个项目通常也只会有相对较少的特征数，并且对项目的训练和分类也仅仅是特征概率的数学运算而已；

3. 对小规模的数据表现很好，能个处理多分类任务，适合增量式训练(即可以实时的对新增的样本进行训练)；

4. 对缺失数据不太敏感，算法也比较简单，常用于文本分类；

5. 贝叶斯算法对结果解释容易理解。