使用偏差較小的模型總是比偏差較大的模型更好。

假設屬性的數量固定，則可以在時間上以線性方式學習基于高斯的貝葉斯最優(yōu)分類器，而該數量是數據集中記錄的數量。

當MAP中使用的先驗是參數空間上的統(tǒng)一先驗時，MAP估計等于ML估計。

小數據集的數據處理最好也由計算機手段來完成。

訓練神經網絡具有過度擬合訓練數據的潛在問題。

最大似然估計的一個缺點是，在某些情況下（例如，多項式分布），它可能會返回零的概率估計。

由于決策樹學會了對離散值輸出而不是實值函數進行分類，因此它們不可能過度擬合。

數據存儲體系中并不牽扯計算機網絡這一環(huán)節(jié)。

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。

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。