# 训练数据不足

## 元数据

- 书名：百面机器学习：算法工程师带你去面试
- 作者：葫芦娃
- 章节：第 1 章 特征工程
- 页码线索：016
- 目标岗位：AI PM / LLM 产品 / 算法工程师面试
- 优先级：P0
- 标签：data, overfitting, transfer-learning

## 面试问题

图像分类训练数据不足会带来什么问题，如何缓解？

## 30 秒回答

数据不足最直接的问题是过拟合。缓解方法包括简化模型、正则化、数据增强、迁移学习、预训练模型微调、合成数据和主动学习。

## 展开要点

- 模型侧：降低复杂度、正则化、Dropout、集成。
- 数据侧：旋转、裁剪、颜色扰动、噪声、上采样。
- 迁移学习适合小数据任务，先借用大规模预训练能力。
- 生成式方法能补样本，但要评估分布偏差和伪样本质量。

## 高频追问

- 数据增强为什么不能随便做？
- 小数据场景如何判断是否要 fine-tune？
- 合成数据会带来哪些风险？

## 项目映射

- OCR、质检、医学图像、内容审核都可讲小样本方案。
- LLM 场景可迁移为合成数据、few-shot、RAG、人工标注策略。

## AI PM 迁移

AI PM 要把数据不足拆成：样本量、标签质量、覆盖场景、长尾样本和评估集代表性。

## 备注

本卡为面试复习用的概念重构和答题框架，不保存原书正文。