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

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。

根據數(shù)據科學家與數(shù)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(shù)據的范圍以及種類，然后數(shù)據工程師使用數(shù)據收集工具，架構，甚至編程的形式來進行數(shù)據收集的工作，然后并把數(shù)據收集的數(shù)據放置到對應的存儲系統(tǒng)。

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)據集中記錄的數(shù)量。

小數(shù)據集的數(shù)據處理最好也由計算機手段來完成。

使用正則表達式可以找到一個文本文件中所有可能出現(xiàn)的手機號碼。

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。

要將工作申請分為兩類，并使用密度估計來檢測離職申請人，我們可以使用生成分類器。

隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。