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)。

數(shù)據(jù)復制或者備份均是為了從提高數(shù)據(jù)并發(fā)這個角度來設計和實現(xiàn)的。

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。

支持向量機不適合大規(guī)模數(shù)據(jù)。

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

公司內(nèi)部收集的數(shù)據(jù)不存在需要考慮數(shù)據(jù)隱私的環(huán)節(jié)。

使用偏差較小的模型總是比偏差較大的模型更好。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。

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。