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。

由于決策樹學(xué)會了對離散值輸出而不是實值函數(shù)進行分類，因此它們不可能過度擬合。

當(dāng)反向傳播算法運行到達到最小值時，無論初始權(quán)重是什么，總是會找到相同的解（即權(quán)重）。

數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。

任何對數(shù)據(jù)處理與存儲系統(tǒng)的操作均需要記錄，這符合數(shù)據(jù)安全的要求。

對于文本數(shù)據(jù)和多媒體數(shù)據(jù)進行特征提取是為了方便對于這類數(shù)據(jù)的觀察和理解。

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。

支持向量機不適合大規(guī)模數(shù)據(jù)。

最大似然估計的一個缺點是，在某些情況下（例如，多項式分布），它可能會返回零的概率估計。

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。