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。

通過統(tǒng)計學可以推測擲兩個撒子同時選中3點的幾率。

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(jù)集中記錄的數(shù)量。

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。

使用偏差較小的模型總是比偏差較大的模型更好。

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

數(shù)據(jù)索引是保證數(shù)據(jù)處理高性能的軟件角度的一種手段，不做數(shù)據(jù)索引的數(shù)據(jù)訪問是線性訪問，但是做了索引的數(shù)據(jù)訪問會成倍的降低訪問時間。

數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。

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。

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。