本課程已逐步介紹許多常見的資料陷阱，包括資料集品質 以及如何以圖表和統計分析為依據
機器學習從業人員應該問：
- 我有多瞭解資料集的特性，以及 收集資料的條件為何？
- 我的資料中有哪些品質或偏誤問題？影響因素 要分享什麼？
- 使用這些解決方案時，可能會造成哪些下游問題 資料集？
- 訓練模型進行預測或分類時： 訓練模型時使用的資料集含有所有相關變數？
無論研究結果為何，機器學習從業人員都應檢視 檢查結果是否包含確認偏誤 直覺和常識，並調查資料發生在各種衝突的情況下 。
延伸閱讀
艾伯多省開羅《How Charts Lie: 進一步指出視覺資訊》NY： W.W.Norton，2019。
啊，戴瑞。如何善用統計資料NY：W.W.Norton，1954。
Monmonier, Mark。「How to Lie with Google 地圖」第 3 版。芝加哥：U of Chicago P，2018 年。
Jones、Ben。避免資料陷入困境。Hoboken，NJ：Wiley，2020 年。
Charles、Charles。雜訊統計資料：去除資料中的模糊背景紐約： W.W.Norton，2013 年