Neural network 神经网络数据集的总大小是多少？
实际上，关于神经网络数据集的训练规模有很多问题。但我的问题是神经网络数据集的总体大小。 我在这里找到了一个与用户知识建模主题相关的数据集。 此数据集有403个实例。我想和安和安菲斯一起工作。 现在我的问题是，数据集的大小是否会影响最终结果？我应该使用另一个包含更多实例的数据集吗？ 请注意，我的问题不是关于培训、测试和验证数据的百分比。Neural network 神经网络数据集的总大小是多少？,neural-network,Neural Network,实际上，关于神经网络数据集的训练规模有很多问题。但我的问题是神经网络数据集的总体大小。 我在这里找到了一个与用户知识建模主题相关的数据集。 此数据集有403个实例。我想和安和安菲斯一起工作。 现在我的问题是，数据集的大小是否会影响最终结果？我应该使用另一个包含更多实例的数据集吗？ 请注意，我的问题不是关于培训、测试和验证数据的百分比。 当然，数据集的大小会影响任何机器学习算法的性能 在统计观点下，如果数据集很小，您可能无法捕获要建模的分布的统计信息。 一个更“实际”的问题是，无论是训练集还是测试
当然，数据集的大小会影响任何机器学习算法的性能 在统计观点下，如果数据集很小，您可能无法捕获要建模的分布的统计信息。 一个更“实际”的问题是，无论是训练集还是测试/验证集，您的模型都可能过度拟合数据集 这里还有另一个问题，那就是你是否在使用“好的”特性作为神经网络的输入。在本文中，Good指的是真正描述您感兴趣的类的特性
一种常见的方法是扩充您的数据集。您可以对训练集使用或应用一些随机变换，但后者主要用于图像。要确认Flavio Ferrara的回答，您必须记住，模型中自由参数的数量与训练集的大小之间始终存在严格的关系。神经网络中自由参数（权重和偏差值）的数量也与网络的结构有关 随着自由参数数量的增加，您需要更多的数据来估计其真实值，如果您不能这样做，您的模型往往会与训练数据过度拟合。 简言之，回答您的训练集是否满足您的模型的问题，与您的模型中的自由参数数量密切相关。需要估计的参数越多，需要的训练集就越大。另一方面，对于ANN，体系结构会增加参数的数量 希望能有帮助