通過統(tǒng)計學可以推測擲兩個撒子同時選中3點的幾率。

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(shù)據(jù)的可能性。

支持向量機不適合大規(guī)模數(shù)據(jù)。

無論質心的初始化如何，K-Means始終會給出相同的結果。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

任務調度系統(tǒng)的設計與實現(xiàn)才能使得數(shù)據(jù)收集工作可以不間斷地按照既定的目標從目標源獲取數(shù)據(jù)。

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)。

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。

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

訓練神經網(wǎng)絡具有過度擬合訓練數(shù)據(jù)的潛在問題。