matlab 贝叶斯分类器

贝叶斯分类器是一种基于贝叶斯定理的分类方法，它通过先验概率和条件概率来计算后验概率，从而实现对样本的分类。在Matlab中，可以使用分类器工具箱中的函数`fitcnb`来训练和使用贝叶斯分类器。

以下是一个简单的示例，展示如何使用`fitcnb`函数训练一个贝叶斯分类器并对测试数据进行分类：

% 准备数据
load fisheriris
X = meas(:,1:2);
Y = species;

% 划分训练集和测试集
cv = cvpartition(Y,'HoldOut',0.3);
Xtrain = X(cv.training,:);
Ytrain = Y(cv.training,:);
Xtest = X(cv.test,:);
Ytest = Y(cv.test,:);

% 训练贝叶斯分类器
nb = fitcnb(Xtrain,Ytrain);

% 对测试数据进行分类
Ypred = predict(nb,Xtest);

% 计算分类准确率
accuracy = sum(Ypred == Ytest)/numel(Ytest);
disp(['分类准确率为：',num2str(accuracy)]);

在上面的示例中，我们使用了鸢尾花数据集作为示例数据，将数据集划分为训练集和测试集，然后使用`fitcnb`函数训练了一个贝叶斯分类器，并使用`predict`函数对测试数据进行分类。最后，我们计算了分类准确率并输出了结果。