訓練神經網絡具有過度擬合訓練數(shù)據(jù)的潛在問題。

通過統(tǒng)計學可以推測擲兩個撒子同時選中3點的幾率。

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。

數(shù)據(jù)存儲體系中并不牽扯計算機網絡這一環(huán)節(jié)。

使用偏差較小的模型總是比偏差較大的模型更好。

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

小數(shù)據(jù)集的數(shù)據(jù)處理最好也由計算機手段來完成。

當反向傳播算法運行到達到最小值時，無論初始權重是什么，總是會找到相同的解（即權重）。

數(shù)據(jù)復制或者備份均是為了從提高數(shù)據(jù)并發(fā)這個角度來設計和實現(xiàn)的。

當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。