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。

如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。

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。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。

數(shù)據(jù)存儲體系中并不牽扯計算機網(wǎng)絡這一環(huán)節(jié)。

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。

當反向傳播算法運行到達到最小值時，無論初始權重是什么，總是會找到相同的解（即權重）。

給定用于2類分類問題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因為SVM通常能夠在訓練集上實現(xiàn)更好的分類精度。

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。

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。