根據數據科學家與數據工程師對于問題的理解并相互討論，然后確定需要收集數據的范圍以及種類，然后數據工程師使用數據收集工具，架構，甚至編程的形式來進行數據收集的工作，然后并把數據收集的數據放置到對應的存儲系統。

數據存儲體系中并不牽扯計算機網絡這一環(huán)節(jié)。

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。

小數據集的數據處理最好也由計算機手段來完成。

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。

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

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。

數據壓縮與解壓縮可以使得數據處理的速度加快。

當數據集標簽錯誤的數據點時，隨機森林通常比AdaBoost更好。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。