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。

概率密度函数的估计的本质是根据训练数据来估计概率密度函数的形式和参数。

fisher线性判别方法可以将样本从多维空间投影到一维空间。

过拟合不会影响分类模型的泛化能力。

测试集的样本数量越多，对分类器错误率的估计就越准确。

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。

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。

分支定界法计算量一定比穷举法小。

C均值聚类算法对噪声和孤立点不敏感。

k-近邻法中k的选取一般为偶数。