matlab 朴素贝叶斯分类器,matlab 朴素贝叶斯分类

我现在有个朴素贝叶斯分类器代码，代码如下：

function out=my_bayes(X,Y)

%X为原数据集,Y是要预测的数据,out是返回预测的结果

%%%%%%%%%%%%%%%%%%%%%%打开test.txt文件

clc;

file = textread('train1.txt','%s','delimiter','\n','whitespace','');

[m,n]=size(file);

for i=1:m

words=strread(file{i},'%s','delimiter',' ');

words=words';

X{i}=words;

end

X=X';%转置

%%%%%%%%%%%%%%%%%%%%%打开predict.txt文件

file = textread('predict1.txt','%s','delimiter','\n','whitespace','');

[m,n]=size(file);

for i=1:m

words=strread(file{i},'%s','delimiter',' ');

words=words';

Y{i}=words;

end

Y=Y';%转置

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%训练部分

[M,N]=size(X);

[m,n]=size(X{1});

decision=attribute(X,n); %提取决策属性

Pro=probality(decision);%计算决策属性个分量概率

for i=1:n-1

[post_pro{i},post_name{i}]=post_prob(attribute(X,i),decision); %求各条件属性后验概率

end

%%%%%%%%%%%%%%%%%%%%%%%%预测部分

uniq_decis=unique(decision); %求决策属性的类别

P_X=ones(size(uniq_decis,1),1); %初始化决策属性后验概率

[M,N]=size(Y);

k=1;

for i=1:M

for j=1:n-1

[temp,loc]=ismember(attribute({Y{i}},j),unique(attribute(X,j)));%决策属性计算后验概率

P_X = post_pro{j}(:,loc).*P_X;  %各条件属性后验概率之积(贝叶斯公式)

end

[MAX,I]=max(P_X);  %寻找最大值

out{k}=uniq_decis{I};  %哪一类决策属性后验概率最大，则次样本属于那一类

k=k+1;

P_X=ones(size(uniq_decis,1),1);%再次初始化决策属性后验概率P_X，以便为下一样本计算作准备

end

out=out'; %输出结果(转置形式)

%%%%%%%%%%%%%%%%%%%%%各子程序

function y=attribute(X,n) %功能为提取出原数据集X中的第n个属性所对应的一列值

[M,N]=size(X);

for i=1:M

temp{i}=X{i}{n}; %将指定列值以temp暂量保存

end

y=temp';%转置

%%%%%%%%%%%%%%%%%%%%%

function [post_pro,post_name]=post_prob(E,D)

%E为目标属性，D为决策属性，post_pro计算目标属性对应于决策属性的后验概率

%post_name为所求的后验概率变量名称

[M,N]=size(D);

decision=unique(D);%决策属性种类

attri=unique(E); %条件属性种类

[m1,n1]=size(decision);

[m2,n2]=size(attri);

temp=cat(2,E,D); %连接条件属性和决策属性

post_pro=zeros(m1,m2); %后验概率初始化

for i=1:M

for j=1:m2

for k=1:m1

post_name{k,j}=cat(2,{attri{j}},{decision{k}})

if (isequal(temp(i,:),post_name{k,j}))

post_pro(k,j)=post_pro(k,j)+1; %条件属性后验概率(频数)

end

end

end

end

for i=1:m1

post_pro(i,:)=post_pro(i,:)/sum(post_pro(i,:));%求得条件属性后验概率

end

%%%%%%%%%%%%%%%%%%%

function y=probality(E) %计算该属性类的概率

[M,N]=size(E);

class=unique(E);  %求该决策属性的类别

[m,n]=size(class);

p=zeros(m,1);%先验概率p初始化

for i=1:M

for j=1:m

if(isequal(E{i},class{j}))

p(j)=p(j)+1; %求各个样本的先验概率(频数)

end

end

end

y=p/M;%得各样本概率

问题是，我运行的时候，提示出现错误

??? Subscript indices must either be real positive integers or logicals.

Error in ==> my_nbc at 41

P_X = post_pro{j}(:,loc).*P_X;  %各条件属性后验概率之积(贝叶斯公式)

那位大师给看下，什么问题，该怎么调整啊？