利用神经网络对两类问题进行分类时，可以用一个输出节点来实现。

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。

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。

基于数据的方法适用于特征和类别关系不明确的情况。

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。

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。

下面关于超平面的说法中正确的是（）。

过拟合不会影响分类模型的泛化能力。

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。

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。