朴素贝叶斯模型使用0-1损失函数来选择最优模型
0-1损失函数定义如下：
$\begin{aligned} L(Y, f(X)) = \begin{cases} 1, && Y = f(X) \\ 0, && Y \neq f(X) \end{cases} \end{aligned}$

L(Y, f(X))的期望为：
$\begin{aligned} E[L(Y, f(X))] = \sum_kL(c_k, f(x))P(C_k|X) \\ = \sum_kL(c_k, f(x))P(C_k \neq f(x)|X) \\ = 1 - P(f(x)=C_k|X) \end{aligned}$ L(Y, f(X))代表f(x)的损失函数，因此要让它和标记尽量小，也普是在让$P(f(x)=C_k|X)$尽量大，也就是后验概率最大化。