用matlab写一段朴素贝叶斯模型来预测学生的评论等级

朴素贝叶斯模型是一种基于概率统计的分类算法，适用于文本分类、垃圾邮件过滤等场景。下面是一个简单的示例，使用朴素贝叶斯模型来预测学生的评论等级。 假设有一组学生评论数据，其中包含了学生的评论内容和对应的评论等级（1-5分）。我们可以将评论内容转换为词袋向量，并使用朴素贝叶斯模型进行训练和预测。 ```matlab % 准备数据 load student_comments; X = bagOfWords(documents); Y = categorical(ratings); % 划分训练集和测试集 cvp = cvpartition(Y, 'HoldOut', 0.3); X_train = X(cvp.training,:); Y_train = Y(cvp.training); X_test = X(cvp.test,:); Y_test = Y(cvp.test); % 训练朴素贝叶斯模型 nb = fitcnb(X_train, Y_train); % 对测试集进行预测 Y_pred = predict(nb, X_test); % 计算准确率 accuracy = sum(Y_pred == Y_test) / numel(Y_test); fprintf('Accuracy: %.2f%%\n', accuracy * 100); ``` 上述代码中，`student_comments`是一个MATLAB自带的数据集，包含了500条学生评论数据。首先将评论内容转换为词袋向量，然后使用`cvpartition`函数将数据集划分为训练集和测试集。接着使用`fitcnb`函数训练朴素贝叶斯模型，并使用`predict`函数对测试集进行预测。最后计算准确率并输出结果。 需要注意的是，朴素贝叶斯模型假设各个特征之间相互独立，但在实际情况中可能存在一定的相关性。因