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。

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。

分级聚类又叫层次聚类，需要构建聚类树。

一个数据集能生成多种决策树。

概率密度函数的参数估计需要一定数量的训练样本，样本越多，参数估计的结果越准确。

过拟合不会影响分类模型的泛化能力。

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。

C均值聚类算法对噪声和孤立点不敏感。

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。

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。