1，簡單明了
分類中有很多方法可以正則化模型，不需要像樸素貝葉斯分類器那樣擔心特征之間的相關性。它們可以很容易地處理特征之間的交互，並且是非參數的，因此無需擔心異常值或數據是否是線性可分的。
2、易於解釋和說明
分類時，將選取的屬性或特征按壹定的順序系統化，形成科學合理的分類體系。這樣有利於解釋和說明，分類要適應事物不斷發展變化的需要。
3、準確度高
分類是通過比較事物之間的相似性，將具有某種相似性或相似特征的事物歸入壹個不確定集合的邏輯方法。能把大量復雜的材料組織起來，系統化；發現和掌握事物發展的普遍規律。
貝葉斯分類介紹
貝葉斯分類技術在眾多分類技術中占有重要地位，它也屬於統計分類的範疇。這是壹種不規則的分類方法。貝葉斯分類技術訓練已分類的樣本子集，學習並歸納分類函數，使用訓練好的分類器對未分類數據進行分類。
貝葉斯方法被廣泛應用於分類問題，因為它在理論上給出了使誤差最小的最優解。在貝葉斯方法的基礎上，提出了貝葉斯網絡方法。樸素貝葉斯分類假設壹個屬性對給定分類的影響獨立於其他屬性。這種假設被稱為條件獨立，它大大簡化了分類所需的計算。