是否有通用方法可以确定我的训练数据集应该有多大？

不，没有通用方法，因为它取决于数据：特征的数量、特征值的数量、实例的多样性......

取而代之的是间接方法：

• 训练集太小时的主要问题是过拟合的风险。因此，如果模型在训练时过度拟合$N$实例则表明$N$太低了。当训练集的性能远高于测试集时，通常会检测到过度拟合。
• 更一般地说：消融研究包括评估用不同数量的实例训练的模型，并观察它们的性能作为大小的函数。如果性能在尺寸附近变得稳定$N$那么这表明$N$实例就足够了。