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。

經(jīng)常跟管理層打交道并進行有效地關(guān)于商業(yè)領(lǐng)域的討論有助于數(shù)據(jù)科學(xué)項目的成功。

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。

當(dāng)數(shù)據(jù)集標(biāo)簽錯誤的數(shù)據(jù)點時，隨機森林通常比AdaBoost更好。

選擇用于k均值聚類的聚類數(shù)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。

數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。

數(shù)據(jù)存儲體系中并不牽扯計算機網(wǎng)絡(luò)這一環(huán)節(jié)。

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。

如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。

根據(jù)數(shù)據(jù)科學(xué)家與數(shù)據(jù)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(jù)的范圍以及種類，然后數(shù)據(jù)工程師使用數(shù)據(jù)收集工具，架構(gòu)，甚至編程的形式來進行數(shù)據(jù)收集的工作，然后并把數(shù)據(jù)收集的數(shù)據(jù)放置到對應(yīng)的存儲系統(tǒng)。