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

由于分類是回歸的一種特殊情況，因此邏輯回歸是線性回歸的一種特殊情況。

隨機(jī)梯度下降每次更新執(zhí)行的計算量少于批梯度下降。

管理員不需要驗證就可以訪問數(shù)據(jù)存儲系統(tǒng)中的任何數(shù)據(jù)，這符合數(shù)據(jù)安全的要求。

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。

使用正則表達(dá)式可以找到一個文本文件中所有可能出現(xiàn)的手機(jī)號碼。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過度擬合訓(xùn)練數(shù)據(jù)的潛在問題。

如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。

由于決策樹學(xué)會了對離散值輸出而不是實值函數(shù)進(jìn)行分類，因此它們不可能過度擬合。

對于文本數(shù)據(jù)和多媒體數(shù)據(jù)進(jìn)行特征提取是為了方便對于這類數(shù)據(jù)的觀察和理解。