Classificação é uma técnica de aprendizado de má-quina supervisionado que, a partir de exemplos de objetos de um conjunto predefinido de classes, sintetiza modelos preditivos capazes de determinar a classe de um objeto em função dos valores de seus atributos. Esses modelos preditivos têm aplicações práticas em várias áreas como, por exemplo, medicina, economia, negócios e biologia. Há diversas abordagens que podem ser empregadas para predizer a classe de um objeto (e.g., árvores de decisão e redes neurais), mas a abordagem estatística, além de predizer a classe de um objeto, também pode informar a probabilidade de sua predição. Particularmente, classificadores bayesianos são algoritmos estatísticos que classificam objetos analisando a probabilidade de sua pertinência em cada uma das possíveis classes predefinidas e escolhendo aquela mais provável. Evidentemente, todo modelo preditivo está sujeito a erro e modelos com maior acurácia são preferíveis. Nesse contexto, o objetivo deste artigo é descrever a implementação de um classificador bayesiano e avaliar sua acurácia (i.e., taxa de acertos).