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)據的可能性。

管理員不需要驗證就可以訪問數(shù)據存儲系統(tǒng)中的任何數(shù)據，這符合數(shù)據安全的要求。

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。

數(shù)據壓縮與解壓縮可以使得數(shù)據處理的速度加快。

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。

由于分類是回歸的一種特殊情況，因此邏輯回歸是線性回歸的一種特殊情況。

非結構化數(shù)據也可以使用關系型數(shù)據庫來存儲。

訓練神經網絡具有過度擬合訓練數(shù)據的潛在問題。

當反向傳播算法運行到達到最小值時，無論初始權重是什么，總是會找到相同的解（即權重）。

數(shù)據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。