朴素贝叶斯分类器基于一个关键假设：给定类别标签 y，属性之间是条件独立的。这意味着，在确定样本属于某个类别的情况下，其各个属性的值不受其他属性的影响。

用数学语言表达，条件独立假设可以写作：

P(X = (x1, x2, ..., xn) | y) = P(x1 | y) * P(x2 | y) * ... * P(xn | y)

其中，X = (x1, x2, ..., xn) 代表样本的属性向量，每个 xi 代表一个属性的值。