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。

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

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。

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。

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。

無論質心的初始化如何，K-Means始終會給出相同的結果。

數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。

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）。

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。

隨機梯度下降每次更新執(zhí)行的計算量少于批梯度下降。