為什么樸素貝葉斯稱為“樸素”?請簡述樸素貝葉斯分類的主要思想？樸素貝葉斯分類器是一種基于貝葉斯獨立假設(shè)定理的簡單概率分類器。Naive的直譯意思是簡單、簡單和天真。樸素貝葉斯分類是最常用的兩種分類算法

為什么樸素貝葉斯稱為“樸素”?請簡述樸素貝葉斯分類的主要思想？

樸素貝葉斯分類器是一種基于貝葉斯獨立假設(shè)定理的簡單概率分類器。

Naive的直譯意思是簡單、簡單和天真。

樸素貝葉斯分類是最常用的兩種分類算法（決策樹分類和樸素貝葉斯分類）。分類是將一個未知樣本分成幾個已知類的過程。

樸素貝葉斯分類基于貝葉斯概率的思想，假設(shè)屬性相互獨立，如a和B，則p（B | a）表示a發(fā)生時B的概率。

詳細(xì)內(nèi)容請參考劉偉鵬大牛的《數(shù)學(xué)之美：平凡而神奇的貝葉斯方法》

29歲想學(xué)python，有哪些建議？

學(xué)習(xí)Python與年齡無關(guān)。去年，我33歲的時候在openstack上學(xué)習(xí)Python。在我的職業(yè)生涯中，我學(xué)過幾種語言，包括C、C、PHP和python。

就學(xué)習(xí)內(nèi)容而言，我認(rèn)為學(xué)習(xí)一門語言主要包括兩個方面：

1）語言本身的語法，其實內(nèi)容很少

2）與語言相關(guān)的系統(tǒng)庫和第三方庫，內(nèi)容多，難度大

另外，我的經(jīng)驗是如何學(xué)好一門語言的實踐，實踐包括兩個方面：

1）閱讀更多的代碼，你可以看到更好的開源項目，如openstack或Django等。

2）編寫更多的代碼。如果你的工作中有項目，如果沒有，你可以寫一些小項目。例如，開發(fā)一個python版本的redis。

貝葉斯網(wǎng)絡(luò)和貝葉斯分類算法的區(qū)別？

1. 貝葉斯網(wǎng)絡(luò)是一種概率網(wǎng)絡(luò)，是基于概率推理的圖形網(wǎng)絡(luò)，貝葉斯公式是這種概率網(wǎng)絡(luò)的基礎(chǔ)。貝葉斯網(wǎng)絡(luò)是一種基于概率推理的數(shù)學(xué)模型。所謂概率推理就是通過網(wǎng)絡(luò)中某些變量的信息來獲取其他概率信息的過程，是為了解決不確定性和不完全性問題而提出的。它在解決復(fù)雜設(shè)備的不確定性和相關(guān)性引起的故障方面具有很大的優(yōu)勢，在許多領(lǐng)域得到了廣泛的應(yīng)用。

2. 貝葉斯分類算法是：一種統(tǒng)計分類方法，它是一種利用概率和統(tǒng)計知識的分類算法。在許多情況下，樸素貝葉斯（naivebayes）分類算法可以與決策樹和神經(jīng)網(wǎng)絡(luò)分類算法相比較。該算法適用于大型數(shù)據(jù)庫，方法簡單，分類精度高，速度快。

3. 貝葉斯網(wǎng)絡(luò)與貝葉斯分類算法的區(qū)別：由于貝葉斯定理假設(shè)一個屬性值對某一類的影響與其他屬性值無關(guān)，而這種假設(shè)在實際中往往不成立，因此其分類精度可能會下降。因此，許多貝葉斯分類算法被用來降低獨立性假設(shè)，如Tan（tree-augmented Bayesian network）算法。

貝葉斯分類算法是一種統(tǒng)計分類方法，它是一種利用概率和統(tǒng)計知識的分類算法。在許多情況下，樸素貝葉斯（naivebayes）分類算法可以與決策樹和神經(jīng)網(wǎng)絡(luò)分類算法相比較。該算法適用于大型數(shù)據(jù)庫，方法簡單，分類精度高，速度快。

由于貝葉斯定理假設(shè)一個屬性值對給定類的影響?yīng)毩⒂谄渌麑傩缘闹?，并且這種假設(shè)在實踐中往往不成立，因此其分類精度可能會下降。因此，許多貝葉斯分類算法被用來降低獨立性假設(shè)，如Tan（tree-augmented Bayesian network）算法。

從哪本書開始學(xué)習(xí)Python比較好？

如果是基本的，我想找一個在線網(wǎng)站學(xué)習(xí)如何開始是可以的。如果你想系統(tǒng)地學(xué)習(xí)，我建議從不同的方向?qū)W習(xí)會更有效率。例如下面三個，分別為安全域、數(shù)據(jù)分析、網(wǎng)絡(luò)爬蟲等。如果是游戲指導(dǎo)或機(jī)器學(xué)習(xí)，找另一個。。