判断题使决策树更深将确保更好的拟合度，但会降低鲁棒性。
判断题给定用于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。
判断题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。
判断题支持向量机不适合大规模数据。
判断题训练神经网络具有过度拟合训练数据的潜在问题。
