非結構化數(shù)據(jù)也可以使用關系型數(shù)據(jù)庫來存儲。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

管理員不需要驗證就可以訪問數(shù)據(jù)存儲系統(tǒng)中的任何數(shù)據(jù)，這符合數(shù)據(jù)安全的要求。

訓練神經(jīng)網(wǎng)絡具有過度擬合訓練數(shù)據(jù)的潛在問題。

支持向量機不適合大規(guī)模數(shù)據(jù)。

任何對數(shù)據(jù)處理與存儲系統(tǒng)的操作均需要記錄，這符合數(shù)據(jù)安全的要求。

數(shù)據(jù)存儲體系中并不牽扯計算機網(wǎng)絡這一環(huán)節(jié)。

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(shù)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(shù)量是數(shù)據(jù)集中記錄的數(shù)量。

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。