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。

k-近邻法中k的选取一般为偶数。

顺序后退法（SBS）是从0个特征开始，每次从已经入选的特征中剔除一个特征，使得仍保留的特征组合所得到的J值最大，是一种特征选择的最优算法。

下面关于超平面的说法中正确的是（）。

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。

C均值聚类算法对噪声和孤立点不敏感。

测试集的样本数量越多，对分类器错误率的估计就越准确。

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。

过拟合不会影响分类模型的泛化能力。

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。