---
title: Data Alone Is not Enough
localeTitle: 单独的数据还不够
---
## 单独的数据还不够

不考虑改变机器学习算法或其他方面 训练模型，单靠数据不足以帮助学习者做得更好。

> 每个学习者都必须在数据之外体现一些知识或假设 为了超越它而给出（Domingos，2012）。

这句话基本上是说，如果你盲目地选择一个 学习者只是因为你听说它做得好，收集更多的数据不会 必然会帮助您实现机器学习目标。

例如，假设您有依赖于时间的数据（例如时间序列数据） 并且您想使用二元分类器（例如逻辑回归）。搜集 更多时间序列数据可能不是最好的帮助您的学习者。这是 因为二进制分类器不是为时间序列设计的。

这并不是说一旦你选择了最好的机器学习算法 根据您的问题，添加更多数据对您没有好处。在这种情况下，它 会帮助你。

> 机器学习并不神奇;它无法从无到有。什么 确实是从更少的人那里获得更多...学习者将知识与数据结合起来 计划（多明戈斯，2012年）。

#### 更多信息：

*   [关于机器学习的一些有用的事情](https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf)
*   [在机器学习中，什么是更好的：更多数据或更好的算法？](http://www.kdnuggets.com/2015/06/machine-learning-more-data-better-algorithms.html)
*   [在机器学习中，更多数据总是优于更好的算法吗？](https://www.quora.com/In-machine-learning-is-more-data-always-better-than-better-algorithms/answer/Xavier-Amatriain?srid=Tds3)