已知35个样本数据，利用matlab的BNT工具箱计算CPT与概率的代码怎么写

BNT（Bayes Net Toolbox）是Matlab中用于构建和分析贝叶斯网络的工具箱。下面是使用BNT工具箱计算CPT与概率的示例代码：

首先，需要定义贝叶斯网络的结构，以及各节点的CPT（条件概率表）。例如，定义一个具有3个节点的贝叶斯网络，其中节点1和节点2是父节点，节点3是子节点，其CPT如下：

dag = zeros(3);
dag(1,3) = 1;
dag(2,3) = 1;

discrete_nodes = 1:3;
node_sizes = [2, 2, 2];

bnet = mk_bnet(dag, node_sizes, 'discrete', discrete_nodes);

% CPT for node 1
bnet.CPD{1} = tabular_CPD(bnet, 1, [0.5, 0.5]);

% CPT for node 2
bnet.CPD{2} = tabular_CPD(bnet, 2, [0.7, 0.3]);

% CPT for node 3
bnet.CPD{3} = tabular_CPD(bnet, 3, [0.9, 0.8, 0.3, 0.2, 0.1, 0.2, 0.7, 0.8]);

然后，可以使用BNT工具箱中的`enum_engine`函数计算节点的概率。例如，计算节点3的概率如下：

evidence = cell(1, 3);
[engine, loglik] = enter_evidence(enum_engine(bnet), evidence);
marg = marginal_nodes(engine, 3);
marg.T % Probability table for node 3

其中，`evidence`表示已知的证据，这里为空；`engine`表示计算引擎；`loglik`表示对数似然值；`marg`表示节点的概率分布，其`T`属性为概率表。

如果需要计算多个节点的概率，可以将`marginal_nodes`函数的输入参数改为节点编号的数组。例如，计算节点2和节点3的概率如下：

[marg2, marg3] = marginal_nodes(engine, [2, 3]);
marg2.T % Probability table for node 2
marg3.T % Probability table for node 3