使決策樹更深將確保更好的擬合度，但會降低魯棒性。

數(shù)據(jù)壓縮與解壓縮可以使得數(shù)據(jù)處理的速度加快。

經(jīng)常跟管理層打交道并進行有效地關于商業(yè)領域的討論有助于數(shù)據(jù)科學項目的成功。

選擇用于k均值聚類的聚類數(shù)k的一種好方法是嘗試k的多個值，并選擇最小化失真度量的值。

完整性，一致性，時效性，唯一性，有效性，準確性是衡量數(shù)據(jù)質(zhì)量的六個維度指標。

數(shù)據(jù)復制或者備份均是為了從提高數(shù)據(jù)并發(fā)這個角度來設計和實現(xiàn)的。

無論質(zhì)心的初始化如何，K-Means始終會給出相同的結果。

使用偏差較小的模型總是比偏差較大的模型更好。

對于文本數(shù)據(jù)和多媒體數(shù)據(jù)進行特征提取是為了方便對于這類數(shù)據(jù)的觀察和理解。

數(shù)據(jù)索引是保證數(shù)據(jù)處理高性能的軟件角度的一種手段，不做數(shù)據(jù)索引的數(shù)據(jù)訪問是線性訪問，但是做了索引的數(shù)據(jù)訪問會成倍的降低訪問時間。