数据集要多大

发布网友发布时间：2023-05-04 22:45

共3个回答

热心网友时间：2023-11-05 21:36

我一般都是70%训练集30%测试集。当然，得看数据量有多大，以及复杂程度。只要训练集>=测试集，就不会错，但好不好得具体分析。如果数据量在1000以下的话，最好是k折交叉验证（基本上只要不是特别复杂的数据，都推荐k折交叉验证）。如果要是数据量大于10万的话，最好考虑80：20甚至90:10。

热心网友时间：2023-11-05 21:36

为了检测出不同算法之间的差异，开发数据集应该足够大。比如，分类算法A的准确率为90.0%, 分类算法B的准确率为90.1%，如果开发数据集中只有100个样本，那你无法检测出这0.1%差在哪儿。100个样本的开发数据集实在时太小了。通常，我们会在开发数据集通中，放入1000到10,000个样本。对于10,000个样本来说，找到这0.1%并改进它，就相对容易多了。

热心网友时间：2023-11-05 21:37

数据集并不需要多大，主要是根据一些某些尝试看看需不需要多大，如果不需要的话，那么就可以不用太大。

热心网友时间：2023-11-05 21:36

热心网友时间：2023-11-05 21:37

数据集并不需要多大，主要是根据一些某些尝试看看需不需要多大，如果不需要的话，那么就可以不用太大。