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。

對于文本數據和多媒體數據進行特征提取是為了方便對于這類數據的觀察和理解。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

數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據。

選擇用于k均值聚類的聚類數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。

數據壓縮與解壓縮可以使得數據處理的速度加快。

數據索引就像給每條數據裝了個信箱。

公司內部收集的數據不存在需要考慮數據隱私的環(huán)節(jié)。

非結構化數據也可以使用關系型數據庫來存儲。

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