任務調度系統(tǒng)的設計與實現(xiàn)才能使得數據收集工作可以不間斷地按照既定的目標從目標源獲取數據。

使用偏差較小的模型總是比偏差較大的模型更好。

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。

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

非結構化數據也可以使用關系型數據庫來存儲。

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。

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。

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。

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(tǒng)。

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。