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。

下面关于交叉验证法的说法中正确的是（）。

隐含层或输出层具有激活函数。

我们在对某一模式x进行分类判别决策时，只需要算出它属于各类的条件风险就可以进行决策了。

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。

多类问题的贝叶斯分类器中判别函数的数量与类别数量是有直接关系的。

测试集的样本数量越多，对分类器错误率的估计就越准确。

过拟合不会影响分类模型的泛化能力。

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。