「機器學習」到底需要多少數據？

本文首發於微調的知乎專欄「數據說」。 機器學習中最值得問的一個問題是，到底需要多少數據纔可以得到一個較好的模型？從理論角度，有Probably approximately correct (PAC) learning theory來描述在何種情況下，可以得到一個近似正確的模型。但從實用角度看，PAC的使用範圍還是比較侷限的。所以今天我們主要想討論一個問題：到底如何定義有效數據量。 1. 數據的粒度

>>阅读原文<<