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。

当各类的协方差矩阵不等时，决策面是超二次曲面。

参数估计是已知概率密度的形式，而参数未知。

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。

测试集的样本数量越多，对分类器错误率的估计就越准确。

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。

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。

特征提取不仅可以降低特征空间的维度，还可以消除特征之间的相关性。

下面关于交叉验证法的说法中正确的是（）。

分支定界法计算量一定比穷举法小。