數(shù)據(jù)壓縮與解壓縮可以使得數(shù)據(jù)處理的速度加快。

使用正則表達(dá)式可以找到一個文本文件中所有可能出現(xiàn)的手機(jī)號碼。

使用偏差較小的模型總是比偏差較大的模型更好。

支持向量機(jī)不適合大規(guī)模數(shù)據(jù)。

通過統(tǒng)計學(xué)可以推測擲兩個撒子同時選中3點的幾率。

小數(shù)據(jù)集的數(shù)據(jù)處理最好也由計算機(jī)手段來完成。

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。

無論質(zhì)心的初始化如何，K-Means始終會給出相同的結(jié)果。

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(xùn)練集上實現(xiàn)更好的分類精度。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過度擬合訓(xùn)練數(shù)據(jù)的潛在問題。