让 ChatGPT 帮你规划模型测试样本量时，先给出要估计的量和允许误差。若目标是二分类整体准确率，可用比例估计的正态近似公式算一个初步样本量；它用于预算起点，不代表在任何业务数据上都保证这个误差。
环境与运行方法
本文代码在 Windows、Python 3.11 的本地独立环境执行通过。以下数据全部为人为构造的教学样本，不是客户数据，也不是业务效果测试。
新建一个空目录，在终端执行安装命令，把后面的完整代码保存为 demo.py，再执行 python demo.py。文件输出均保存在运行目录，请先在空目录练习。
python -m pip install scipy==1.17.1学习提示词
在已经可用的官方对话界面粘贴下面的学习任务。模型生成的解释和代码需要你核对；本文没有调用模型生成这一段输出。
我准备估计模型整体准确率，期望95%置信水平、绝对误差约正负5个百分点，暂不知道真实准确率。请说明独立同分布的二项比例假设，写出 n 约等于 z平方乘p乘(1-p)除以e平方的正态近似公式，用p=0.5计算并向上取整。区分类别覆盖、重复用户和总体有限时的额外问题，不要说385条在所有场景都保证够用。把误差写成小数，明确 p 的来源
独立伯努利样本的样本比例方差为 p(1-p)/n，正态近似下取 e≈z*sqrt(p(1-p)/n)，移项得到 n≈z²p(1-p)/e²。e=0.05 表示5个百分点，不是相对误差5%。z 为双侧95%对应标准正态分位数；本例用 norm.ppf(0.975) 得到它。未知 p 时，p=0.5 令 p(1-p) 最大，可作为该近似下的保守起点。
若使用先导评估得到的 p=0.8，计算所需量会变小，但先导样本可能没有代表性。因此代码同时展示两种假设，并向上取整。别把已有准确率的小数当作已经证实的总体比例。
整体样本量还要落到业务分组
整体385条不保证每个语言、渠道、难度或少数类别都有足够样本。先列出要单独验收的分组，再为每组规划覆盖；同一用户多次出现也不满足简单独立抽样假设，需要按实体考虑抽样设计。
这是估计单个整体比例的规划，不是两个模型的显著性比较，也不是训练模型所需的数据量。若你的任务是低频严重错误，5个百分点的整体误差可能过于宽松，应另行确定相应的指标和样本设计。
可复制的完整代码
import math
from scipy.stats import norm
confidence = 0.95
margin = 0.05
z = float(norm.ppf((1 + confidence) / 2))
for p in [0.5, 0.8]:
n = math.ceil(z * z * p * (1 - p) / (margin * margin))
print("assumed_p", p, "approx_required_n", n)
print("z", round(z, 4), "absolute_margin", margin)
assert math.ceil(z * z * 0.25 / (margin * margin)) == 385
运行结果与核对方法
下面是本文教学代码在上述本地环境中的实际输出。浮点数末位可能随依赖版本变化。
assumed_p 0.5 approx_required_n 385
assumed_p 0.8 approx_required_n 246
z 1.96 absolute_margin 0.05在 p=0.5、e=0.05、95%双侧近似下，结果向上取整为385；p=0.8 时为246。将 e 改成0.025 后再运行，数量约增至四倍。下一步列出真实测试分组和抽样单元，再由明确的评估设计决定最终数量。
使用边界与常见问题
本文公式是独立、具有代表性的伯努利样本下的正态近似规划，不是覆盖概率保证。没有实测 ChatGPT 回复，也没有核实你的业务总体；聚类相关、小群体和极端比例需要更合适的统计设计。
测试385条和训练385条是一回事吗？
不是。这里估计已经固定模型的整体正确比例，训练样本量取决于任务、模型复杂度、分布覆盖等，不能由这条比例估计公式决定。
官方资料
接口与参数依据以下官方资料核对（2026年10月1日）。示例验证只覆盖本文输入和步骤。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/30755.html
