數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個(gè)信箱。

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)。

非結(jié)構(gòu)化數(shù)據(jù)也可以使用關(guān)系型數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)。

由于分類(lèi)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。

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。

要將工作申請(qǐng)分為兩類(lèi)，并使用密度估計(jì)來(lái)檢測(cè)離職申請(qǐng)人，我們可以使用生成分類(lèi)器。

支持向量機(jī)不適合大規(guī)模數(shù)據(jù)。

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。

給定用于2類(lèi)分類(lèi)問(wèn)題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因?yàn)镾VM通常能夠在訓(xùn)練集上實(shí)現(xiàn)更好的分類(lèi)精度。