下面关于超平面的说法中正确的是（）。

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。

一个数据集能生成多种决策树。

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。

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。

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。

基于数据的方法适用于特征和类别关系不明确的情况。

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。