Quantos dados são necessários para a aprendizagem da máquina?

Há vários fatores que afetam a quantidade de dados necessários para o seu modelo.

• Primeiro é o número de atributos não relacionados ou pouco correlacionados no conjunto de dados. A aprendizagem de máquina que usamos na prática (para a maior parte da peça) é construída sobre as idéias de correlação. Assim, se você aumentar os atributos, a quantidade de dados necessários para diminuir a incerteza nos parâmetros do modelo também é alta.
• li>Outro fator é a complexidade do modelo que você vai usar para um determinado problema. A complexidade de um modelo geralmente associada com o número de parâmetros associados a ele. Se você vai usar Regressão Linear com poucos preditores você não vai precisar de muitos dados. Mas na maioria dos casos, a escolha do modelo deve depender dos dados, bem como de uma declaração do problema.
• O padrão nos dados também é um fator crítico. A quantidade de dados através dos quais o padrão pode ser identificado com um nível de incerteza é a menor quantidade de dados que você vai precisar. O padrão nos dados é fortemente afetado pelo domínio do seu problem statement.
  • Li> Vamos tomar um exemplo do mercado de divisas. É um dos mercados mais líquidos do mundo e é realmente difícil de prever. Aqui a tendência do mercado muda a cada 5 minutos, daí a quantidade de dados que vamos considerar para prever esta tendência será pequena. Você pode argumentar que em alguns casos há sazonalidade no mercado e, sem dúvida, ela existe. Mas a pré-costumação dessa sazonalidade não ajudará muito porque o tempo de maturidade das negociações forex em horas para o máximo, não mais do que isso.li>li>Levemos dar outro exemplo da evolução de algumas bactérias sob certas condições. Aqui para observar o padrão nos dados usando a aprendizagem da máquina você tem que esperar pelo ciclo completo após o qual o padrão emerge. Aqui nós precisamos de uma grande quantidade de dados.