你给的代码出错了，错误使用 normpdf (line 36) 非标量参数的大小必须匹配。 出错 Untitled2 (line 24) p(j) = prod(normpdf(test_sample, mu(j,:), sigma(j,:))); 怎么解决

抱歉，我的代码有误。这个错误是因为 `normpdf` 函数需要输入的参数的维度不匹配。在这个例子中，`mu(j,:)` 和 `sigma(j,:)` 是一维数组，而 `test_sample` 是一个二维数组，因此会产生维度不匹配的错误。

为了解决这个问题，我们需要用矩阵乘法来计算多元高斯分布的概率密度函数。具体来说，我们可以使用 `mvnpdf` 函数来计算多元高斯分布的概率密度函数。以下是修改后的代码：

class_num = 3;
feature_num = 4;
mu = zeros(class_num, feature_num);
sigma = zeros(feature_num, feature_num, class_num);

for i = 1:class_num
    class_data = train_data((i-1)*40+1:i*40, :);
    for j = 1:feature_num
        mu(i,j) = mean(class_data(:, j));
        sigma(:,:,i) = cov(class_data);
    end
end

test_label = zeros(30, 1);
for i = 1:30
    test_sample = test_data(i, :);
    p = zeros(class_num, 1);
    for j = 1:class_num
        p(j) = mvnpdf(test_sample, mu(j,:), sigma(:,:,j));
    end
    [max_p, max_idx] = max(p);
    test_label(i) = max_idx;
end

在这个示例中，我们使用 `cov` 函数来计算每个类别的协方差矩阵。然后，我们使用 `mvnpdf` 函数来计算每个测试样本的概率密度函数。最后，我们选择具有最大概率密度函数的类别作为测试样本的预测标签。

希望这个解决方案可以帮助你解决问题。