什么決定了訓(xùn)練 AI 所需的數(shù)據(jù)集的大小？

• 訓(xùn)練人工智能 （AI） 算法需要大型數(shù)據(jù)集，而且它們可能很昂貴。那么，多少數(shù)據(jù)才足夠呢？問題的復(fù)雜性、模型的復(fù)雜性、數(shù)據(jù)的質(zhì)量以及所需的準(zhǔn)確性水平主要決定了這一點。數(shù)據(jù)增強技術(shù)可以增加數(shù)據(jù)集的大小，而學(xué)習(xí)曲線分析可以確定何時優(yōu)化了訓(xùn)練結(jié)果。問題復(fù)雜性是影響所需數(shù)據(jù)集大小的一個主要因素。圖像識別很復(fù)雜，并且需要比簡單圖像分類更大的訓(xùn)練數(shù)據(jù)集。此外，具有更多特征的問題需要更多的訓(xùn)練示例來學(xué)習(xí)所有可能的關(guān)系。模型復(fù)雜性也很重要，具有更多參數(shù)的深度學(xué)習(xí)模型可能需要非常大的數(shù)據(jù)集才能進行有效學(xué)習(xí)。一個常見的經(jīng)驗法則
• 關(guān)鍵字： 訓(xùn)練AI  數(shù)據(jù)集