公司內部收集的數據不存在需要考慮數據隱私的環(huán)節(jié)。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

數據存儲體系中并不牽扯計算機網絡這一環(huán)節(jié)。

當數據集標簽錯誤的數據點時，隨機森林通常比AdaBoost更好。

假設屬性的數量固定，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，而該數量是數據集中記錄的數量。

使用偏差較小的模型總是比偏差較大的模型更好。

任何對數據處理與存儲系統(tǒng)的操作均需要記錄，這符合數據安全的要求。

數據索引是保證數據處理高性能的軟件角度的一種手段，不做數據索引的數據訪問是線性訪問，但是做了索引的數據訪問會成倍的降低訪問時間。

支持向量機不適合大規(guī)模數據。

無論質心的初始化如何，K-Means始終會給出相同的結果。