C均值聚类算法对噪声和孤立点不敏感。

特征选择常用的次优算法有顺序前进法，顺序后退法和动态顺序前进法三种。

一个数据集能生成多种决策树。

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。

下面关于超平面的说法中正确的是（）。

当各类的协方差矩阵不等时，决策面是超二次曲面。

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。

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。

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。

基于数据的方法适用于特征和类别关系不明确的情况。