使用偏差較小的模型總是比偏差較大的模型更好。

根據(jù)數(shù)據(jù)科學(xué)家與數(shù)據(jù)工程師對(duì)于問(wèn)題的理解并相互討論，然后確定需要收集數(shù)據(jù)的范圍以及種類(lèi)，然后數(shù)據(jù)工程師使用數(shù)據(jù)收集工具，架構(gòu)，甚至編程的形式來(lái)進(jìn)行數(shù)據(jù)收集的工作，然后并把數(shù)據(jù)收集的數(shù)據(jù)放置到對(duì)應(yīng)的存儲(chǔ)系統(tǒng)。

對(duì)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(duì)于這類(lèi)數(shù)據(jù)的觀(guān)察和理解。

當(dāng)數(shù)據(jù)集標(biāo)簽錯(cuò)誤的數(shù)據(jù)點(diǎn)時(shí)，隨機(jī)森林通常比AdaBoost更好。

由于分類(lèi)是回歸的一種特殊情況，因此邏輯回歸是線(xiàn)性回歸的一種特殊情況。

由于決策樹(shù)學(xué)會(huì)了對(duì)離散值輸出而不是實(shí)值函數(shù)進(jìn)行分類(lèi)，因此它們不可能過(guò)度擬合。

數(shù)據(jù)壓縮與解壓縮可以使得數(shù)據(jù)處理的速度加快。

支持向量機(jī)不適合大規(guī)模數(shù)據(jù)。

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

無(wú)論質(zhì)心的初始化如何，K-Means始終會(huì)給出相同的結(jié)果。