分支定界法计算量一定比穷举法小。

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。

下面关于交叉验证法的说法中正确的是（）。

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。

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。

特征选择常用的次优算法有顺序前进法，顺序后退法和动态顺序前进法三种。

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。

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。

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。

顺序前进法的缺点是不能剔除已入选的特征，无法保证全局最优。