最简单的你可以使用Matlab自带的NaiveBayes.fit()函数。如果一定要自己设计，你可以采用one-versus-all策略，将多个二元分类器组合成多元分类器。祝你成功。
海原ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为创新互联建站的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：028-86922220（备注：SSL证书合作）期待与您的合作！
求解 P(x|c) 问题的另一个方法：朴素贝叶斯。
训练/得到分类器。使用分类器进行数据分类。
贝叶斯分类器是用于分类的贝叶斯网络。该网络中应包含类结点C，其中C 的取值来自于类集合( c1 ， c2 ， ... ， cm)，还包含一组结点X = ( X1 ， X2 ， ... ， Xn)，表示用于分类的特征。
先通过一个经典例子来解释朴素贝叶斯分类的算法。
贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。
朴素贝叶斯(Naive Bayes)，“Naive”在何处？ 加上条件独立假设的贝叶斯方法就是朴素贝叶斯方法(Naive Bayes)。
接着我们利用朴素贝叶斯的独立性假设，就可以得到通常意义上的朴素贝叶斯推断公式：在朴素贝叶斯算法中，学习意味着估计 和 。可以用极大似然估计法估计相应的概率。
朴素贝叶斯算法属于分类算法。发源于古典数学理论，对缺失数据不太敏感，有稳定的分类效率，模型所需估计的参数很少，算法比较简单。
朴素贝叶斯常用于自然语言处理NLP的工具。
1、都有 基于朴素贝叶斯分类器的文本分类算法(C语言).doc ，C++的改一下就行了。
2、朴素贝叶斯和协同过滤结合过滤用户想看到和不想看到的东西 （1） 高斯分布朴素贝叶斯GaussianNB 用处：解决连续数据分类问题。
3、朴素贝叶斯分类器（英语：Naive Bayes classifier，台湾称为单纯贝氏分类器），在机器学习中是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器（英语：probabilistic classifier）。
4、高斯朴素贝叶斯，假设P(X=x|Y=c_k)是多元高斯分布.在了解高斯朴素贝叶斯之前，先介绍一下什么是高斯分布，什么是多元高斯分布？ 高斯分布又称正态分布，在实际应用中最为广泛。