利用贝叶斯分类算法对两个已知样本进行分类并求出决策面方程，画出3维图像。 代码注释详细，易于看懂。

完全自己打码，实现了基于Matlab 实现二维正态分布贝叶斯决策面可视化，包括线性与非线性决策面； 三种情况：①∑1 = ∑2 = σ^2*I，②∑1 = ∑2 ≠ σ^2*I，③∑1 ≠ ∑2。

最小错误和最小风险两个贝叶斯决策实验，MATLAB代码加实验报告，是我提交课程作业的最终版本。 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。贝叶斯分类器是最小错误率意义上的优化。在风险相同时，最小错误率贝叶斯决策的准确率等于最小风险贝叶斯决策的准确率，即最小错误率贝叶斯决策是最小风险贝叶斯决策的一个特例。本文在matlab平台上对最小错误率贝叶斯决策和最小风险贝叶斯决策进行测试，比较和分析实