就个人而言，我是一个通过实例和故事进行教学的狂热者。 耶稣到佛陀再到穆罕默德，所有人都通过故事讲授了大集团的思想，而正如我们多年来所看到的那样，这种教义的思想必须穿越时空和文明。
即使我们轻视哲学上的举止，如果这种前景，提出想法或等式或任何值得接受的想法在很大程度上与向学习者呈现的方式相配合。
当前，人们对AI和机器学习可以扩展的无限可能性感到兴奋。 得益于这些有益的库，对机器学习实验进行编码已不再是一件容易的事，因为该算法被描述为其中的一个大黑匣子。 您输入一些数据即可得出预测。 呜呜呜！ 但是，如果事情没有如我们所预期的那样落伍，对黑匣子技术的深刻理解将是与众不同的。
为什么此算法不能很好地处理我的数据？ 为什么该算法未按预期收敛？ 如果我不能在训练时间上做出妥协，那么哪种算法可以以最低的准确性解决我的问题？ 如何充分调整算法参数？
机器学习从业者有时会遇到这些问题。 在此，在这些令人困惑的情况下，已经表明的窥探黑匣子的诀窍成为整个工作流程的要旨。
同时，这些算法背后的数学很难解决。 现在，我们可以回溯到本文开头所体现的想法，通过示例和故事进行教学。
在过去的几个月中，我一直在研究有关朴素贝叶斯的教程，该教程被认为是机器学习的“世界”。 考虑到算法体系结构的复杂性，我相信朴素贝叶斯真的是“朴素”的理解这一事实，但这并不是我面临的挑战。
在本教程中，我有意尝试为读者提供最少的数学术语。 同时，我不希望读者稍后再深入数学符号时会感到困惑。 这种权衡是沉闷的部分。 因此，读者在完成本教程后可以决定是否实现双赢。
请评论您的回答。
先决条件和预期受众
直观的讲故事的部分要求高中生具备基本的概率理解能力。 编码会议需要基本的机器学习术语和初级Python知识。 预期的受众是机器学习的初学者，对于这些人来说，费力的数学关闭了。
教程部分
接下来的要点将是讲述朴素贝叶斯的直观故事。
Kaggle数据集用于演示朴素贝叶斯分类器的实现。 下一个要点描述了本部分。
如果您想修改代码，请在此处找到存储库。
非常感谢。
学习愉快。
