完整性，一致性，时效性，唯一性，有效性，准确性是衡量数据质量的六个维度指标。

给定用于2类分类问题的线性可分离数据集，线性SVM优于感知器，因为SVM通常能够在训练集上实现更好的分类精度。

公司内部收集的数据不存在需要考虑数据隐私的环节。

当数据集标签错误的数据点时，随机森林通常比AdaBoost更好。

使决策树更深将确保更好的拟合度，但会降低鲁棒性。

数据存储体系中并不牵扯计算机网络这一环节。

根据数据科学家与数据工程师对于问题的理解并相互讨论，然后确定需要收集数据的范围以及种类，然后数据工程师使用数据收集工具，架构，甚至编程的形式来进行数据收集的工作，然后并把数据收集的数据放置到对应的存储系统。

非结构化数据也可以使用关系型数据库来存储。

选择用于k均值聚类的聚类数k的一种好方法是尝试k的多个值，并选择最小化失真度量的值。

对于文本数据和多媒体数据进行特征提取是为了方便对于这类数据的观察和理解。