通常，當試圖從大量觀察中學習具有少量狀態(tài)的HMM時，我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓練數據的可能性。

數據壓縮與解壓縮可以使得數據處理的速度加快。

支持向量機不適合大規(guī)模數據。

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。

小數據集的數據處理最好也由計算機手段來完成。

通過統(tǒng)計學可以推測擲兩個撒子同時選中3點的幾率。

根據數據科學家與數據工程師對于問題的理解并相互討論，然后確定需要收集數據的范圍以及種類，然后數據工程師使用數據收集工具，架構，甚至編程的形式來進行數據收集的工作，然后并把數據收集的數據放置到對應的存儲系統(tǒng)。

對于文本數據和多媒體數據進行特征提取是為了方便對于這類數據的觀察和理解。

當數據集標簽錯誤的數據點時，隨機森林通常比AdaBoost更好。

使決策樹更深將確保更好的擬合度，但會降低魯棒性。