使決策樹更深將確保更好的擬合度，但會降低魯棒性。

無論質心的初始化如何，K-Means始終會給出相同的結果。

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

根據數據科學家與數據工程師對于問題的理解并相互討論，然后確定需要收集數據的范圍以及種類，然后數據工程師使用數據收集工具，架構，甚至編程的形式來進行數據收集的工作，然后并把數據收集的數據放置到對應的存儲系統(tǒng)。

對于文本數據和多媒體數據進行特征提取是為了方便對于這類數據的觀察和理解。

當數據集標簽錯誤的數據點時，隨機森林通常比AdaBoost更好。

給定用于2類分類問題的線性可分離數據集，線性SVM優(yōu)于感知器，因為SVM通常能夠在訓練集上實現更好的分類精度。

選擇用于k均值聚類的聚類數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。

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)來增加訓練數據的可能性。

如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。