訓(xùn)練神經(jīng)網(wǎng)絡(luò)具有過度擬合訓(xùn)練數(shù)據(jù)的潛在問題。

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。

由于決策樹學(xué)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。

無論質(zhì)心的初始化如何，K-Means始終會給出相同的結(jié)果。

通過統(tǒng)計學(xué)可以推測擲兩個撒子同時選中3點的幾率。

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

當(dāng)MAP中使用的先驗是參數(shù)空間上的統(tǒng)一先驗時，MAP估計等于ML估計。

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。