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。

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。

贝叶斯估计中是将未知的参数本身也看作一个随机变量，要做的是根据观测数据对参数的分布进行估计。

一个数据集能生成多种决策树。

动态顺序前进法（l-r）法是按照单步最优的原则从未入选的特征中选择l个特征，再从已入选的特征中剔除r个特征，使得仍保留的特征组合所得到的J值最大。

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。

神经网络的模型受到哪些因素的影响？（）

当各类的协方差矩阵不等时，决策面是超二次曲面。

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。

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。