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。

分支定界法计算量一定比穷举法小。

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。

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。

测试集的样本数量越多，对分类器错误率的估计就越准确。

参数估计是已知概率密度的形式，而参数未知。

下面关于超平面的说法中正确的是（）。

基于数据的方法适用于特征和类别关系不明确的情况。

ID3方法的目的是降低系统信息熵。

k-近邻法中k的选取一般为偶数。