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。

判断题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。

1.判断题fisher线性判别方法可以将样本从多维空间投影到一维空间。

2.判断题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。

3.判断题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。

4.判断题概率密度函数的参数估计需要一定数量的训练样本，样本越多，参数估计的结果越准确。

5.判断题参数估计是已知概率密度的形式，而参数未知。

6.判断题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。

7.判断题当各类的协方差矩阵不等时，决策面是超二次曲面。

8.判断题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。

9.判断题我们在对某一模式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。

10.判断题在监督模式识别中，分类器的形式越复杂，对未知样本的分类精度就越高。