如何判断训练数据量是否足够
哪些公司问过
答案要点
- 学习曲线:按比例递增训练数据,观察训练与验证误差变化
- 验证误差仍明显下降说明数据不足;趋于平稳且与训练误差接近说明基本够用
- 过拟合时加数据有帮助,欠拟合时加数据作用不大
- 交叉验证各折指标波动大,往往说明数据偏少
- 关注覆盖度,按类别和场景分组检查长尾样本是否充足
易错点
- 只看总样本数,不看类别和场景覆盖
- 只训练一次就下结论,不看学习曲线和波动
- 欠拟合时盲目加数据,问题出在模型能力上
面试官常见追问
- 数据不够时有哪些办法?
- 数据量够了但效果还是不好怎么办?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。