没有大数据，这7种小样本数据同样潜力无穷

全文共2581字，预计学习时长5分钟

人们常说，大数据是打造成功机器学习项目的关键。但主要的问题在于：很多机构没有你想要的数据。

在没有大数据这一关键原材料的情况下，我们该如何将机器学习的想法制成原型，使其产生实效呢？我们又该如何用有限的数据来源，有效获取和创造价值呢？

功能性原型(functional prototype)是一种办法。因此，我们常常需要开发小样本数据。本文将介绍7种提高小样本数据原型化效果的方法。

1. 模型不可能广泛适用

这是工作的首要前提。所建立的模型仅仅基于宇宙万物中的极小一部分，只有在这种情境下，模型才能顺利运行。

如果你利用一系列室内照片建立了一个视觉原型，那么这一模型绝对无法适用于室外。如果你利用网络聊天的玩笑话素材建立了一个语言模型，这一模型也绝对无法适用于一部奇幻小说。

必须保证你的上司和客户都明白这一点。只有如此，所有人才能对模型效果抱有现实合理的预期。也只有这样，才有可能产生更实用的关键绩效指标（KPI），来量化原型范围之内及范围之外的模型运行效果。

2. 建立良好的数据基础设施

<