当数据集标签错误的数据点时，随机森林通常比AdaBoost更好。

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。

支持向量机不适合大规模数据。

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。

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。

如果P（A B）= P（A），则P（A∩B）= P（A）P（B）。

任何对数据处理与存储系统的操作均需要记录，这符合数据安全的要求。

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。

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。

数据复制或者备份均是为了从提高数据并发这个角度来设计和实现的。