分类器的入门代码，还是得看这些经典的 MATLAB 实现。最小错误率 Bayes 分类器的设计，适合刚接触模式识别的朋友，逻辑清晰，公式推导也贴得比较全。窗函数法估计高斯分布和近邻法这俩方法挺直观，调起来也简单，适合做点小实验试试效果。
Fisher 线性变换的部分，嗯，做特征降维还蛮实用的，是你数据维度比较高的时候，用它来压压维，效率还不错。的最近邻优先的知识聚类算法，比较适合做无监督学习的初步尝试，代码虽然老点，但逻辑挺清楚。
想细看细节的话，这几个链接可以顺着看下去：
- 高斯和近邻均值分类器评估其分类错误率的 MATLAB 开发，里面的代码可直接复用。
- 快速近邻法分类程序的 Matlab 实现，对比下不同邻居数下的效果挺有意思。
- Matlab 中二维混合高斯分布的期望最大化算法，聚类部分可以拿来直接参考。
如果你是刚开始学分类器或聚类，这些代码真挺合适，调参也不难，适合练手。