Naive bayes assumption $\\P(F_i|C,F_j)=P(F_i|C)~or~P(F_i\cap F_j|C)=P(F_i|C)P(F_j|C)$
如果事件A, B獨立 ⇒ $P(A\cap B)=P(A)P(B)$
$\frac{num~of~event(A\cap B)}{num~of~event(world)}=\frac{num~of~event(A)}{num~of~event(world)}\frac{num~of~event(B)}{num~of~event(world)} \\---\\world~is~the~big~rectangle\Rightarrow \\--- \\A=A\cap world \\A\cap B=A\cap B\cap world \\\Rightarrow \\---
\\\frac{num~of~event(A\cap B\cap world)}{num~of~event(world)}=\frac{num~of~event(A\cap world)}{num~of~event(world)}\frac{num~of~event(B\cap world)}{num~of~event(world)} \\\Rightarrow \\P(A\cap B|world)=P(A|world)P(B|world)$
假設 C 是這個世界 ⇒ $P(A\cap B|C)=P(A|C)P(B|C)$
只要A,B是獨立的,則A,B與他人的交集仍然是獨立的
$P(F|C)=P(F_1,F_2,...,F_n|C) =P(F_1|C)P(F_2|C)...P(F_n|C) \\\qquad\qquad =\prod_{i=1}^nP(F_i|C)$
代回原式求得
$\displaystyle P(C|F_1,F_2,...,F_n)=\frac {P(C)\prod_{i=1}^nP(F_i|C)}{P(F_1,F_2,...,F_n)}=\frac1z{P(C)\prod_{i=1}^nP(F_i|C)}$
其中 z 只跟 F1, F2,... 有關,對於所有類別C來說都一樣,當獲得觀察數據以後就是常數