朴素贝叶斯是一种生成算法，而感知器是一种判别算法。这是主要区别。

感知器是一个线性阈值函数。这意味着它有一个权重向量$w$, 它输出$w \cdot x > t$， 在哪里$x$是输入向量和$t$门槛。

朴素贝叶斯假设所有特征都是独立的（因此称为朴素）。它通过使用贝叶斯概率来预测最可能的类，对于每个类，将类先验乘以给定类的输入概率。我们正在建模的事实$P(X|Y)$代替$P(Y|X)$使其成为生成模型。由于我们做了强独立性假设，$P(Y|X)$为每个独立建模$x_i \in X$，通常通过某种最大似然估计。