基于数据的方法适用于特征和类别关系不明确的情况。

一个数据集能生成多种决策树。

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。

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。

神经网络的模型受到哪些因素的影响？（）

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。

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。

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。

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。