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。

隐含层或输出层具有激活函数。

下面关于交叉验证法的说法中正确的是（）。

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。

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。

基于数据的方法适用于特征和类别关系不明确的情况。

分支定界法计算量一定比穷举法小。

分级聚类又叫层次聚类，需要构建聚类树。

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。

参数估计是已知概率密度的形式，而参数未知。