朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法

朴素贝叶斯（Naive Bayes）分类方法主要用于处理类别型数据。因此，在选项中，正确答案是B: 类别。

### 专业分析：

1. **贝叶斯定理**：朴素贝叶斯分类器基于贝叶斯定理，计算后验概率，通过最大化后验概率来进行分类。

2. **特征条件独立假设**：该方法假设特征之间是条件独立的，这简化了计算复杂度，但在实际应用中，这一假设不总是成立。

3. **类别型数据**：朴素贝叶斯分类器特别适用于离散的类别型数据，例如文本分类、垃圾邮件检测、情感分析等。

4. **数值型数据**：虽然朴素贝叶斯分类器可以处理数值型数据，但通常需要先将数值型数据离散化或使用高斯朴素贝叶斯（Gaussian Naive Bayes）来处理。

5. **时间型数据**：对于时间序列数据，朴素贝叶斯分类器并不是最适合的方法，因为时间序列数据通常具有时间依赖性，而朴素贝叶斯假设特征独立。

综上所述，朴素贝叶斯分类器主要用于类别型数据，因此正确答案是B: 类别。