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。

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。

下面关于贝叶斯分类器的说法中错误的是（）。

下面关于超平面的说法中正确的是（）。

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。

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。

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。

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。

k-近邻法中k的选取一般为偶数。