matlab 朴素贝叶斯

Matlab中的朴素贝叶斯分类器可以使用 `fitcnb` 函数进行训练和分类。该函数可以处理多类别分类问题，同时支持离散和连续的特征变量。

以下是一个简单的使用朴素贝叶斯分类器进行分类的示例代码：

% 创建一个简单的数据集
X = [1 2; 2 1; 3 4; 4 3];
Y = [1; 1; 2; 2];

% 训练朴素贝叶斯分类器
classifier = fitcnb(X, Y);

% 进行预测
newX = [1.5 1.5; 3.5 3.5];
label = predict(classifier, newX);

在上面的示例中，我们首先创建了一个简单的二维数据集 `X`，其中包含四个样本，每个样本有两个特征。类别标签存储在向量 `Y` 中。然后，我们使用 `fitcnb` 函数训练了一个朴素贝叶斯分类器。最后，我们使用 `predict` 函数对新的样本进行分类。在本例中，我们预测两个新样本的类别，并将结果存储在变量 `label` 中。

需要注意的是，朴素贝叶斯分类器的性能很大程度上取决于数据的特征和分布。在某些情况下，朴素贝叶斯分类器可能会表现得不够好，因此在实际应用中需要进行适当的评估和调整。