机器学习的训练数据集的大小应该是多少？

Question

1) 我想对 Twitter 推文进行情绪分析。所以，我选择使用 datumbox-framework。我有一点疑问，我的训练样本的大小应该是多少？ & 如果我正在收集正、负、中性的训练样本，我应该为所有训练样本保持相同的大小吗？ （即，我是否可以收集 10 个 pos、5 个 neg、15 个中性作为我的训练集，或者我应该在我的训练集中收集并维护所有相同大小的 pos=10;neg=10;neutral=10 的 pos、neg、neutral）我用于推特情绪的算法。 是海军贝叶斯。

2) 训练数据集有大小限制吗？

Answer 1

训练集：用于构建模型的数据集。 理想情况下，数据集无论如何都不应该有偏见，并且应该包含将来可能出现的所有可能性。

训练集越大，结果越好。也就是说，训练集中的测试用例越多，你的模型就越好。所以尽量覆盖尽可能多的 pos、neg 或中性 twits。

没有理想的训练集大小。而且可能永远不会有一个训练集可以正确预测 100% 的测试用例，那是因为 系统不理解讽刺 :D

而且训练集没有大小限制。

注意：训练集必须是随机的，你不能使用 10pos、2neg、3neg 等，因为这会使其有偏差。

一般建议：将 60-70% 用于训练，其余用于验证和测试。