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。

下面关于贝叶斯分类器的说法中错误的是（）。

我们在对某一模式x进行分类判别决策时，只需要算出它属于各类的条件风险就可以进行决策了。

在进行交叉验证时，一般让临时训练集较大，临时测试集较小，这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。

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。

参数估计是已知概率密度的形式，而参数未知。

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。

分支定界法计算量一定比穷举法小。

下面关于交叉验证法的说法中正确的是（）。

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。