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

數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。

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)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(yīng)的數(shù)據(jù)。

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

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

支持向量機不適合大規(guī)模數(shù)據(jù)。

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。

經(jīng)常跟管理層打交道并進(jìn)行有效地關(guān)于商業(yè)領(lǐng)域的討論有助于數(shù)據(jù)科學(xué)項目的成功。

隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。