由于决策树学会了对离散值输出而不是实值函数进行分类，因此它们不可能过度拟合。

使用正则表达式可以找到一个文本文件中所有可能出现的手机号码。

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。

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。

假设属性的数量固定，则可以在时间上以线性方式学习基于高斯的贝叶斯最优分类器，而该数量是数据集中记录的数量。

支持向量机不适合大规模数据。

无论质心的初始化如何，K-Means始终会给出相同的结果。

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。

公司内部收集的数据不存在需要考虑数据隐私的环节。

最大似然估计的一个缺点是，在某些情况下（例如，多项式分布），它可能会返回零的概率估计。