完整性，一致性，時效性，唯一性，有效性，準確性是衡量數(shù)據(jù)質(zhì)量的六個維度指標。

假設屬性的數(shù)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(shù)量是數(shù)據(jù)集中記錄的數(shù)量。

當數(shù)據(jù)集標簽錯誤的數(shù)據(jù)點時，隨機森林通常比AdaBoost更好。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

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。

非結構化數(shù)據(jù)也可以使用關系型數(shù)據(jù)庫來存儲。

選擇用于k均值聚類的聚類數(shù)k的一種好方法是嘗試k的多個值，并選擇最小化失真度量的值。

使用偏差較小的模型總是比偏差較大的模型更好。

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。

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。