​训练错误率并不能准确反映分类器性能的好坏。‌

单项选择题下面关于模式识别系统的评价的说法中，错误的是（）

A.模式识别系统的某些优质算法的性能在任何情况下都会优于其他的算法。
B.在模式识别系统中，不存在与问题领域无关的最优的学习算法或模式识别系统。
C.在模式识别系统中，只有确定了问题的具体类型、先验分布情况、以及其他一些信息，才能确定哪种形式的分类器将提供最好的性能。
D.在监督模式识别系统中，可以用错误率来反映模式识别系统的性能。

单项选择题下面关于交叉验证的说法，错误的是（）

A.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。
B.n倍交叉验证法和留一法都是交叉验证法的具体形式。
C.在进行交叉验证时，一般让临时训练集较小，临时测试集较大，这样得到的错误率估计就更接近用全部样本作为训练样本时的错误率。
D.交叉验证法中的测试集过小会带来错误率估计方差大的问题，这个问题可以通过多轮实验的平均得到一定的缓解。

判断题可以利用分类器错误率的大小作为设定特征评价准则的依据。

判断题在特征选择中，有两个很重要的方面，一个是特征的评价准则，另外一个是特征的寻优算法。

单项选择题下面关于分支定界法的说法中，错误的是（）

A.分枝定界法也是一种特征选择的最优算法
B.分枝定界法是一种自顶向下的方法，具有回溯的过程
C.分枝定界法是一种自顶向下的方法，没有回溯的过程
D.分枝定界法的计算量与具体问题和数据有关

单项选择题下面关于特征选择的说法中，错误的是（）

A.特征选择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
B.基于类内类间距离的可分性判据是通过计算各类特征向量之间的平均距离来作为评价准则
C.基于类内类间距离的可分性判据的值越大，说明可分离性越好
D.当各类的协方差矩阵相差不大时，采用基于类内类间距离的可分性判据的效果会好一些

判断题在使用二分树进行分类器设计的时候，初始权值对分类结果没有影响。

判断题‎在类别数量未知的情况下，可以采用二分树的方式进行分类器设计。

单项选择题‎下面关于二次判别函数的说法中，错误的是（）

A.当每一类均符合高斯分布时，可以通过调整二次判别函数中的阈值来减少错误率。
B.如果一类分布比较接近高斯分布，即分布为团状，而另外一类则较均匀的分布在第一类附近，需要分别求出每一类的判别函数来进行类别的划分。
C.每一类样本都满足高斯分布，可以定义每一类的判别函数为样本到各类均值的马氏距离的平方与给定阈值之间的比较。
D.如果其中一类分布比较接近高斯分布，即分布为团状，而另外一类则较均匀的分布在第一类附近，只求出一类的判别函数就可以进行类别的划分。

单项选择题下面关于分段线性判别函数的说法中错误的是（）

A.在分段线性判别函数的设计当中很重要的一个问题是子类的划分问题。
B.在类别的各个维度不对称的情况下，可以考虑使用分段线性距离分类器。
C.分段线性距离分类器在类别的各个维度不对称的情况下，分类结果是不准确的。
D.分段线性判别函数能够逼近任意的超曲面，具有很强的适应性。

判断题在感知器算法中感知器准则函数取得最大值时所对应的权向量a就是所要寻找的合适的权向量。

判断题‎感知器准则函数是用权向量a与所有的错分样本的乘积来表示对错分样本的惩罚。

判断题​在LMS算法中求解出的权向量与常数b无关。

判断题‏最小平方误差判别方法中的准则函数是误差长度的平方和。

判断题‎在求解权向量a的过程中，需要定义一个准则函数，准则函数的形式是唯一的，并且一定是权向量a的函数。