用于机器学习的训练数据集的大小应该是多少？

Question

1)我想在twitter上进行情绪分析。所以，我选择使用datumbox-framework.我有点怀疑我的训练样本的大小应该是多少？&如果我正在收集积极、消极、中立的训练样本，我应该对所有的训练样本保持相同的大小吗？(也就是说，我可以收集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和维护所有相同大小的pos=10;neg=10;neutral=10 )算法。是海军 Bayes。

2)培训数据集是否有规模限制？

Answer 1

培训集：用于构建模型的数据集。理想情况下，数据集不应该有偏见，而且应该包含将来可能出现的所有可能性。

训练集越大，效果越好。培训集中的测试用例越多，您的模型就越好。所以，试着覆盖尽可能多的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来预测100%的测试用例是对的，这是因为系统不理解讽刺的 :D

并且没有训练集的大小限制。

注意:训练集必须是随机的，你不能使用10 you，2 2neg，3中性等等，因为这会使它有偏差。

一般建议:使用60-70%用于培训，其余用于验证和测试。