数据索引是保证数据处理高性能的软件角度的一种手段，不做数据索引的数据访问是线性访问，但是做了索引的数据访问会成倍的降低访问时间。

数据收集中的拉模式需要通过定时的方式不断地触发，才能源源不断地获取对应的数据。

任务调度系统的设计与实现才能使得数据收集工作可以不间断地按照既定的目标从目标源获取数据。

小数据集的数据处理最好也由计算机手段来完成。

训练神经网络具有过度拟合训练数据的潜在问题。

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。

由于分类是回归的一种特殊情况，因此逻辑回归是线性回归的一种特殊情况。

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。

数据压缩与解压缩可以使得数据处理的速度加快。

要将工作申请分为两类，并使用密度估计来检测离职申请人，我们可以使用生成分类器。