由於簡易貝氏分類器具有使用簡便、運算速度快與分類正確率佳等優勢,目前已廣泛應用於許多資料探勘的分類預測上。惟簡易貝氏分類器係以貝氏定理為基礎,透過計算事件發生的機率進行預測,因此預測的資料以離散型態資料為主;倘若欲進行連續型態資料預測時,則必須使用離散化的前置處理,也因而可能會影響其分類正確率。過去曾有學者針對連續型態資料的離散化方法進行研究,結果發現使用最小entropy離散化方法能提升簡易貝氏分類器之分類正確率,但由於entropy方法的運算複雜度較高,所以若能減少離散化的屬性個數,則更有助於其在簡易貝氏分類器之應用。是故,本研究藉由同樣以貝氏定理為基礎的貝氏屬性挑選法,事先排除一些冗餘或不重要屬性的干擾,再進行連續型態資料之離散化及分類預測。最後研究結果顯示,使用貝氏屬性挑選法搭配最小entropy離散化方法,除了可減少連續型態資料的離散化個數並降低運算複雜度外,更能提升簡易貝氏分類器之分類效能。