“数学无处不在！” 

尽管不是最原始的句子，但这个想法几乎是一个普遍的真理，使它成为开始我们介绍性文本的理想人选。

概率和统计 是（应用）数学的一个突出分支，可在我们社会的广泛领域中识别，从对未来气象条件的日常评估到流行病学研究，同时评估受试者感染疾病的风险。

凭借如此多样化的可能性和令人兴奋的机会， 概率和统计 还为计算科学提供了极其重要的工具，有助于创建 基于 贝叶斯/概率推理 的著名机器学习 算法组/家族。

该家族中较简单的成员之一是 朴素贝叶斯 分类器，它属于 贝叶斯定理 支持的一组监督 机器学习算法，即在“假设每对特征之间的条件独立性给定类变量”（ 更多细节在 scikit-learn 官方页面  ）。

考虑到关于特征之间的条件独立性的贝叶斯假设通常不正确，“朴素”术语非常适合。

这本 Jupyter Notebook 将致力于 通过训练和评估 专注于 Fist 活动 检测的朴素贝叶斯 分类器来展示贝叶斯/概率推理 的实际应用。

正如其他 属于 训练和分类 类别 的Jupyter Notebooks 所示 （信号分类器 - 区分 EMG 和 ECG  以及 石头、纸或剪刀游戏 - 训练和分类  ），机器学习算法可用于区分信号或识别运动，现在它将探讨他们在面临事件检测挑战时可以提供什么。