k-近邻法中k的选取一般为偶数。

下面关于交叉验证法的说法中正确的是（）。

过拟合不会影响分类模型的泛化能力。

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。

C均值聚类算法对噪声和孤立点不敏感。

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。

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。

fisher线性判别方法可以将样本从多维空间投影到一维空间。

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。

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。