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(shù)據(jù)的可能性。

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。

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。

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。

支持向量機不適合大規(guī)模數(shù)據(jù)。

數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。

通過統(tǒng)計學可以推測擲兩個撒子同時選中3點的幾率。

對于文本數(shù)據(jù)和多媒體數(shù)據(jù)進行特征提取是為了方便對于這類數(shù)據(jù)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。

訓練神經(jīng)網(wǎng)絡具有過度擬合訓練數(shù)據(jù)的潛在問題。