根據(jù)數(shù)據(jù)科學(xué)家與數(shù)據(jù)工程師對于問題的理解并相互討論，然后確定需要收集數(shù)據(jù)的范圍以及種類，然后數(shù)據(jù)工程師使用數(shù)據(jù)收集工具，架構(gòu)，甚至編程的形式來進行數(shù)據(jù)收集的工作，然后并把數(shù)據(jù)收集的數(shù)據(jù)放置到對應(yīng)的存儲系統(tǒng)。

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。

通常，當(dāng)試圖從大量觀察中學(xué)習(xí)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(xùn)練數(shù)據(jù)的可能性。

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）。

如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。

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。

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。

通過統(tǒng)計學(xué)可以推測擲兩個撒子同時選中3點的幾率。

當(dāng)MAP中使用的先驗是參數(shù)空間上的統(tǒng)一先驗時，MAP估計等于ML估計。

當(dāng)數(shù)據(jù)集標(biāo)簽錯誤的數(shù)據(jù)點時，隨機森林通常比AdaBoost更好。