参数估计是已知概率密度的形式，而参数未知。

下面关于贝叶斯分类器的说法中错误的是（）。

概率密度函数的参数估计需要一定数量的训练样本，样本越多，参数估计的结果越准确。

在监督模式识别中，分类器的形式越复杂，对未知样本的分类精度就越高。

分级聚类又叫层次聚类，需要构建聚类树。

类间离散度矩阵代表了每一个类的重心到整个样本集的重心之间的距离。

fisher线性判别方法可以将样本从多维空间投影到一维空间。

理想的判据应该对特征具有单调性，加入新的特征不会使判据减小。

基于数据的方法适用于特征和类别关系不明确的情况。

一个数据集能生成多种决策树。