在机器学习问题中，小、中、大数据集的范围是多少？这是我在一次面试中被问到的，我无法回答。我们如何知道我们的数据集属于小、中还是大类别？

谢谢。

回答：

一般来说，数据的大小可能影响到泛化、数据不平衡以及难以达到全局最优的问题。

然而，这也与应用本身有关。还取决于数据的质量，以及你基于数据想要回答的问题。

一般来说，目标是尽量减少偏差和方差。一种有效的方法是通过更多数据进行训练。数据少可能会使预测模型非常敏感。但对于某些应用，少量数据也可能揭示重要模式。

另一种判断数据是小还是大的方法是想象这样一个场景：你的数据包含20列和10行，总共200个单元格。一个包含10列和20行的数据集将被认为更大，尽管总单元格数仍然是200。在后者中，样本数量更大。

另一种观点是分类问题。想象你有一个大的不平衡数据集，其中依赖变量99%的时间是“是”，1%的时间是“不是”。另一方面，你有一个较小的数据集，其中依赖变量的样本大致50-50分布。后者可能再次被认为是更有效的训练数据集。

请记住，有各种技术可以用来处理小数据集。