当各类的协方差矩阵不等时，决策面是超二次曲面。

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。

测试集的样本数量越多，对分类器错误率的估计就越准确。

k-近邻法中k的选取一般为偶数。

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。

下面关于交叉验证法的说法中正确的是（）。

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。

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。

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。

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。