贝叶斯分类器的matlab实现及案例

说明： 1.函数rand_select.m目的在于在生成的数据中随机生成5000个训练样本和5000个测试样本 2.文件problem01.m 用于解决第一问 3.问题2，包含了函数para_esti.m目的在于对生成的训练样本进行参数估计，获得的参数作为生成类条件概率的前提 问题2，也包含了函数 K_cp.m用于求出测试样本的类条件概率密度值，同时画出图像 4.问题3.包含函数 classify.m 用于计算长度和亮度的一维分类结果，画出后验概率密度图以及获得分类结果的正确率和错误率 5.问题4.包含函数 classify_2D.m 用于假设长度和亮度是互相完全独立的，利用贝叶斯公式和联合概率密度公式，用朴素贝叶斯得出鲈鱼和鲑鱼的二维分类器，计算分类结果的正确率和错误率。 6.问题5，包含函数 CASE,m 用于解决生成协方差矩阵为case3-case5的鲈鱼鲑鱼数据，完成贝叶斯分类，得出正确率和错误率