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。

下面关于贝叶斯分类器的说法中错误的是（）。

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。

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。

基于数据的方法适用于特征和类别关系不明确的情况。

当各类的协方差矩阵不等时，决策面是超二次曲面。

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。

分级聚类又叫层次聚类，需要构建聚类树。

k-近邻法中k的选取一般为偶数。

测试集的样本数量越多，对分类器错误率的估计就越准确。