在总的样本集不是很大的情况下，可以采用交叉验证法来较好的估计分类器性能。

下面关于超平面的说法中正确的是（）。

一个数据集能生成多种决策树。

基于数据的方法适用于特征和类别关系不明确的情况。

隐含层或输出层具有激活函数。

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。

fisher线性判别方法可以将样本从多维空间投影到一维空间。

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。

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。

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。