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。

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。

基于数据的方法适用于特征和类别关系不明确的情况。

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。

我们在对某一模式x进行分类判别决策时，只需要算出它属于各类的条件风险就可以进行决策了。

k-近邻法中k的选取一般为偶数。

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。

过拟合不会影响分类模型的泛化能力。

动态顺序前进法（l-r）法是按照单步最优的原则从未入选的特征中选择l个特征，再从已入选的特征中剔除r个特征，使得仍保留的特征组合所得到的J值最大。

顺序后退法（SBS）是从0个特征开始，每次从已经入选的特征中剔除一个特征，使得仍保留的特征组合所得到的J值最大，是一种特征选择的最优算法。