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。

公司內(nèi)部收集的數(shù)據(jù)不存在需要考慮數(shù)據(jù)隱私的環(huán)節(jié)。

數(shù)據(jù)收集中的拉模式需要通過定時的方式不斷地觸發(fā)，才能源源不斷地獲取對應的數(shù)據(jù)。

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

如果P（A B）= P（A），則P（A∩B）= P（A）P（B）。

經(jīng)常跟管理層打交道并進行有效地關(guān)于商業(yè)領域的討論有助于數(shù)據(jù)科學項目的成功。

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

使用正則表達式可以找到一個文本文件中所有可能出現(xiàn)的手機號碼。

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

非結(jié)構(gòu)化數(shù)據(jù)也可以使用關(guān)系型數(shù)據(jù)庫來存儲。