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(shù)進行分類，因此它們不可能過度擬合。

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。

無論質(zhì)心的初始化如何，K-Means始終會給出相同的結(jié)果。

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

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。

當數(shù)據(jù)集標簽錯誤的數(shù)據(jù)點時，隨機森林通常比AdaBoost更好。

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。

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)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(shù)據(jù)。