非結構化數據也可以使用關系型數據庫來存儲。

通常，當試圖從大量觀察中學習具有少量狀態(tài)的HMM時，我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓練數據的可能性。

訓練神經網絡具有過度擬合訓練數據的潛在問題。

當數據集標簽錯誤的數據點時，隨機森林通常比AdaBoost更好。

數據收集中的拉模式需要通過定時的方式不斷地觸發(fā)，才能源源不斷地獲取對應的數據。

數據壓縮與解壓縮可以使得數據處理的速度加快。

如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

要將工作申請分為兩類，并使用密度估計來檢測離職申請人，我們可以使用生成分類器。

支持向量機不適合大規(guī)模數據。