在简单贝叶斯分类法（Naive Bayes Classifier）中，数值型字段的处理可以采用多种方式，以适应算法的假设和需求。以下是对选项的分析：

A: **将数值型字段进行离散化(Discretization)**
- **解释**：离散化是指将连续数值型数据转换为离散类别。这种方法通常用于将连续数据映射到有限的类别上，从而简单化模型。
- **适用性**：在简单贝叶斯分类中，这种方法可以简化处理，并且在某些情况下提高分类性能，因此是一种常见的方法。
- **结论**：正确。

B: **将数值型字段进行正规化(Normalization)**
- **解释**：正规化是指将数据缩放到特定范围（通常是0到1）的方法。
- **适用性**：虽然正规化是数据预处理的常见步骤，但对于朴素贝叶斯分类器而言，它并不是直接用于数值型字段处理的标准方法。
- **结论**：不常用于简单贝叶斯分类器处理数值型字段。

C: **以常态分配的公式来处理数值型字段的预测**
- **解释**：常态分布（正态分布）假设是高斯朴素贝叶斯的一部分，通过计算数值特征的均值和方差进行概率估计。
- **适用性**：这种方法特别适用于高斯朴素贝叶斯分类器，因此对于处理数值型字段是非常有效的。
- **结论**：正确。

D: **将数值型字段进行一般化(Generalization)**
- **解释**：一般化通常指数据抽象级别的提升，但并不具体指向如何直接处理数值型字段。
- **适用性**：在此上下文中，没有明确的处理数值型字段的方法。
- **结论**：不适用于直接处理数值型字段。

### 正确答案：A 和 C

这两种方法通过不同的途径处理数值型数据以增强简单贝叶斯分类器的效果。离散化使得连续数据可以通过离散分类处理，而常态分配用于高斯假设的数值特征处理。