基于数据的方法适用于特征和类别关系不明确的情况。

多类问题的贝叶斯分类器中判别函数的数量与类别数量是有直接关系的。

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。

当各类的协方差矩阵不等时，决策面是超二次曲面。

当各类的协方差矩阵相等时，分类面为超平面，并且与两类的中心连线垂直。

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。

概率密度函数的估计的本质是根据训练数据来估计概率密度函数的形式和参数。

过拟合不会影响分类模型的泛化能力。

一个数据集能生成多种决策树。

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。