朴素贝叶斯分类器matlab

在 MATLAB 中，可以使用 Naive Bayes 分类器实现朴素贝叶斯分类。具体步骤如下：

1. 准备数据集
首先需要准备好数据集，例如一个文本分类问题，需要将文本转化为数值特征向量。

2. 划分训练集和测试集
将数据集按一定比例划分为训练集和测试集。

3. 训练模型
使用训练集训练 Naive Bayes 分类器，可以使用 fitcnb 函数实现。

4. 测试模型
使用测试集测试模型的准确率，可以使用 predict 函数预测测试集样本的分类结果，并与真实分类结果进行比较。

下面是一个简单的示例代码：

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

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

% 3. 训练模型
nb = fitcnb(Xtrain,Ytrain);

% 4. 测试模型
Ypred = predict(nb,Xtest);
accuracy = sum(Ypred==Ytest)/length(Ytest);
fprintf('Accuracy = %f\n',accuracy);

在这个示例中，我们使用鸢尾花数据集进行分类，将花萼长度和花萼宽度作为特征。首先将数据集按照 7:3 的比例划分为训练集和测试集，然后使用训练集训练 Naive Bayes 分类器，最后使用测试集测试模型的准确率。