朴素贝叶斯算法的matlab程序实现极大似然估计和贝叶斯估计

% 朴素Bayes算法的极大似然估计和贝叶斯估计
% 两种方法都能得到结果

close all
clear all
clc

syms Y X1 X2
syms M S L %训练数据集
T=[111112222233333;SMMSSSMMLLLMMLL;-1-111-1-1-11111111-1];

%%%%%%%%%%%%%%%%%极大似然估计%%%%%%%%%%%%%%%
%先验概率
P_Posive1 = length（find（T（3:）==1））/size（T2）;  %P_Posive1变量名的含义是P（Y=1），以下类比
P_Negtive1 = length（find（T（3:）==-1））/size（T2）;
%条件概率
cols12=find（T（3:）==1）;%在Y=1的条件下计算各个条件概率
P_X1_1atY_Posive1 = length（（find（T（1cols12）==1）））/length（find（T（3:）==1））;%P_X1_1atY_Posive1变量名的含义是P（X1=1|Y=1），以下类比
P_X1_2atY_Posive1 = length（（find（T（1cols12）==2）））/length（find（T（3:）==1））;
P_X1_3atY_Posive1 = length（（find（T（1cols12）==3）））/length（find（T（3:）==1））;
P_X2_SatY_Posive1 = length（（find（T（2cols12）==S）））/length（find（T（3:）==1））;
P_X2_MatY_Posive1 = length（（find（T（2cols12）==M）））/length（find（T（3:）==1））;
P_X2_LatY_Posive1 = length（（find（T（2cols12）==L）））/length（find（T（3:）==1））;
cols2=find（T（3:）==-1）;%在Y=-1的条件下计算各个条件概率
P_X1_1atY_Negtive1 = length（（find（T（1cols2）==1）））/length（find（T（3:）==-1））;
P_X1_2atY_Negtive1 = length（（find（T（1cols2）==2）））/length（find（T（3:）==-1））;
P_X1_3atY_Negtive1 = length（（find（T（1cols2）==3）））/length（find（T（3:）==-1））;
P_X2_SatY_Negtive1 = length（（find（T（2cols2）==S）））/length（find（T（3:）==-1））;
P_X2_MatY_Negtive1 = length（（find（T（2cols2）==M）））/length（find（T（3:）==-1））;
P_X2_LatY_Negtive1 = length（（find（T（2cols2）==L）））/length（find（T（3:）==-1））;
%对于给定的x=（2，S）计算其后验概率
P_Y_Posive1andX1_2atY_1andX2_SatY_1 = P_Posive1*P_X1_2atY_Posive1*P_X2_SatY_Posive1;
P_Y_Negtive1andX1_2atY_1andX2_SatY_1 = P_Negtive1*P_X1_2atY_Negtive1*P_X2_SatY_Negtive1;
%给出结果标记
if P_Y_Posive1andX1_2atY_1andX2_SatY_1>P_Y_Negtive1andX1_2atY_1andX2_SatY_1
    fpr