利用神经网络对两类问题进行分类时，可以用一个输出节点来实现。

ID3方法的目的是降低系统信息熵。

当各类的协方差矩阵不等时，决策面是超二次曲面。

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。

测试集的样本数量越多，对分类器错误率的估计就越准确。

神经网络的模型受到哪些因素的影响？（）

动态顺序前进法（l-r）法是按照单步最优的原则从未入选的特征中选择l个特征，再从已入选的特征中剔除r个特征，使得仍保留的特征组合所得到的J值最大。

一个数据集能生成多种决策树。

在监督模式识别中，分类器的形式越复杂，对未知样本的分类精度就越高。

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。