训练朴素贝叶斯模型 MATLAB代码 举例

好的，我可以回答你的问题。下面是一个简单的训练朴素贝叶斯模型的 MATLAB 代码示例：

%% 加载数据
load fisheriris

%% 将数据分为训练集和测试集
indices = crossvalind('Kfold', species, 10);
training_features = meas(indices~=1,:);
training_labels = species(indices~=1,:);
test_features = meas(indices==1,:);
test_labels = species(indices==1,:);

%% 训练朴素贝叶斯模型
NBModel = fitcnb(training_features, training_labels);

%% 在测试集上评估模型
predictions = predict(NBModel, test_features);
accuracy = sum(predictions == test_labels)/length(test_labels);
disp(['模型的准确率为：', num2str(accuracy)])

这个代码示例中，我们首先加载了 iris 数据集，并将其分为了训练集和测试集。然后，我们使用 `fitcnb` 函数训练了一个朴素贝叶斯分类器，并使用 `predict` 函数在测试集上进行了预测。最后，我们计算了模型的准确率并显示了结果。

请注意，这只是一个简单的示例代码，实际中您可能需要根据您的具体需求进行修改。