Bayes公式判别法 : 计数资料的两类及多类判别方法。设个体分G(G≥2)类,记为Y_i:Y₁,Y₂,…,Y_G;定性和(或)等级的判别指标有m个,记为X_j:X₁,X₂,…,X_m。每个判别指标有几种表现(各类或各级),记为X_jk:k=1,2,…,nj。据训练样品资料(N₁个第一类样品、N₂个第二类样品、…和NG个第G类样品的m个判别指标的观察表现)求各类下各判别指标出现各种表现的条件概率,还求各类的事前概率(G类混合总体中各类个体数的构成比或其随机抽取的样本估计),把各条件概率和事前概率转换成-10～10的指数,从而编制判别指数表,若用于计量诊断,又可叫做计量诊断表,如下表:

Bayes 公式法的判别指数表例

Xj	Xjk	Y1	Y2	Y3
X1	X11 X12 X13	-3 7 6	8 3 3	7 5 0
X2	X21 X22	9 4	10 -10	8 6
p(Yi)		7	5	2

判别新样品所属类别用Bayes公式法:据新样品观察得的X₁,X₂,…,X_m的表现,计算其各类下的相应m个条件概率和该类事前概率之积,哪个最大就判别新样品属哪类。实际用判别指数表判别新样品所属类别,计算其各类下相应m+1个指数之和(记为L_i),哪个最大就判别新样品属哪类。如用上面的判别指数表:新样品的X₁和X₂的表现为X₁₃和X₂₁,则L₁＝6+9+7=22,L₂＝3+10+5=18,L₃＝0+8+2=10,22最大,故判别新样品属Y1类。Bayes公式判别法较最大似然判别法的优点是多用了各类事前概率的信息,可能提高判别分类的正确率(或符合率)。