任何對數據處理與存儲系統的操作均需要記錄，這符合數據安全的要求。

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)來增加訓練數據的可能性。

數據存儲體系中并不牽扯計算機網絡這一環(huán)節(jié)。

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。

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。

小數據集的數據處理最好也由計算機手段來完成。

使用偏差較小的模型總是比偏差較大的模型更好。

完整性，一致性，時效性，唯一性，有效性，準確性是衡量數據質量的六個維度指標。

管理員不需要驗證就可以訪問數據存儲系統中的任何數據，這符合數據安全的要求。

假設屬性的數量固定，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，而該數量是數據集中記錄的數量。