还在困惑需要多少数据吗？来看看这份估计指南 | CVPR 2022 - 晓飞的算法工程笔记
原文中文，约5400字，阅读约需13分钟。
📝
内容提要
论文探讨了数据需求预测在自动驾驶和医学成像等领域的重要性，指出不准确的需求估计会导致成本增加。研究提出了多种回归函数（如Power Law）和校正因子，以提高预测精度，并为从业者提供有效的数据收集策略，帮助节省时间和成本。
🔎
延伸解读
性能预测误差对数据需求的影响
论文指出，即使模型性能预测的误差很小，也会导致数据需求估计的大误差。例如，在ImageNet上，1%的性能预测误差可能导致多收集34%的数据。这意味着在实际应用中，对数据需求估计的精度要求远高于直觉，从业者需谨慎对待预测误差，避免因小失大。
回归函数的选择与校正因子
实验表明，没有一种回归函数在所有情况下都是最优的。Power Law、Logarithmic和Algebraic Root在结合校正因子和多轮收集后表现良好，而Arctan虽然回归误差低，但容易高估数据需求。因此，选择回归函数时不能仅看回归误差，还需考虑其数据收集表现，并引入校正因子来调整低估问题。
多轮数据收集与上下界估计
论文建议采用多轮数据收集（如T=5）并结合校正因子，可以更准确地估计数据需求，避免收集过多或过少的数据。此外，通过多个回归函数的预测，可以得到数据需求的上界和下界，为建模者提供乐观或悲观的参考，帮助在实际应用中做出更合理的决策。
❓
Q&A
数据需求预测在自动驾驶和医学成像中有什么重要性？
数据需求预测在这些领域至关重要，因为不准确的需求估计会导致成本增加和工作流程延迟。
论文中提到的回归函数有哪些？
论文中提到的回归函数包括Power Law、Logarithmic和Algebraic Root等。
如何提高数据需求预测的准确性？
结合校正因子和多轮数据收集方案可以显著提高数据需求预测的准确性。
低估数据需求会带来什么后果？
低估数据需求可能导致后期需要收集更多数据，从而增加成本和延误工作流程。
在数据有限的情况下，回归函数的预测准确度如何？
在数据有限的情况下，回归函数的预测准确度可能偏离实际，需要谨慎使用。
如何使用校正因子来改善数据需求估计？
通过引入校正因子，可以调整目标数据需求，从而更好地满足实际需求。
🏷️
