在感知器算法中训练样本需要经过增广化处理和规范化处理。

利用神经网络对两类问题进行分类时，可以用一个输出节点来实现。

下面关于贝叶斯分类器的说法中错误的是（）。

多类问题的贝叶斯分类器中判别函数的数量与类别数量是有直接关系的。

剪辑近邻法去除的是远离分类边界，对于最后的决策没有贡献的样本。

特征选择常用的次优算法有顺序前进法，顺序后退法和动态顺序前进法三种。

ID3方法的目的是降低系统信息熵。

贝叶斯估计中是将未知的参数本身也看作一个随机变量，要做的是根据观测数据对参数的分布进行估计。

在进行交叉验证时，一般让临时训练集较大，临时测试集较小，这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。

当各类的协方差矩阵不等时，决策面是超二次曲面。