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。

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。

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。

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。

过拟合不会影响分类模型的泛化能力。

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。

参数估计是已知概率密度的形式，而参数未知。

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。

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。