訓練神經網絡具有過度擬合訓練數據的潛在問題。

給定用于2類分類問題的線性可分離數據集，線性SVM優(yōu)于感知器，因為SVM通常能夠在訓練集上實現更好的分類精度。

使用偏差較小的模型總是比偏差較大的模型更好。

支持向量機不適合大規(guī)模數據。

數據索引就像給每條數據裝了個信箱。

無論質心的初始化如何，K-Means始終會給出相同的結果。

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。

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。

數據壓縮與解壓縮可以使得數據處理的速度加快。

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。